Jurnal Teknik Komputer AMIK BSI Volume 10.
No.
Juli 2024 P-ISSN 2442-2436.
E-ISSN: 2550-0120
Akreditasi Ristekdikti.
No: 36/E/KPT/2019 (Sinta .
DOI: 10.
31294/jtk.
Hal.
Penerapan Metode Algoritma C5.
0 Untuk Klasifikasi Pemberian Kredit KUR UMKM Pada PT Pegadaian Hilda Amalia1.
Moranta Timotius2.
Sriyadi3.
Yunita4
Achmad Baroqah Pohan5
1,2,3,4
Universitas Bina Sarana Informatika e-mail: hilda.
ham@bsi.
e-mail: moranta.
timotius@gmail.
e-mail: sriyadi.
sry@bsi.
e-mail: yunita.
ynt@bsi.
e-mail: achmad.
abq@bsi.
Diterima 21-02-2024 Direvisi 12-06-2024.
Disetujui 14-07-2024 Abstrak - KUR atau dikenal dengan Kredit Usaha Rakyat merupakan program pemerintah yang bertujuan untuk memberikan bantuan usaha kepada rakyat kecil yakni yang memilki Usaha (UMKM).
Pemberian Kredit juga dapat merujuk pada situasi di mana satu pihak memberikan uang atau jasa kepada pihak lain.
Setiap pemberian kredit kepada nasabah terdapat kemungkinan gagal bayar.
Kondisi gagal bayar dapat merugikan yang memberikan kredit.
Kondisi gagal bayar ini selain merugikan perusahaan pemberi kredit juga berdampak pada kinerja Untuk mengatasi risiko gagal bayar, penting bagi perusahaan pemberi kredit ntuk melakukan analisis kredit yang cermat, memberikan edukasi keuangan kepada nasabah, dan memiliki strategi yang efektif.
Selain itu, memantau dan memperbarui kondisi keuangan nasabah secara berkala juga merupakan langkah penting dalam mencegah kegagalan pembayaran.
Data mining merupakan suatu metode untuk menemukan pengetahuan dari tumpukan data.
Dalam penelitian ini data mining digunakan untuk mengatasi masalah resiko gagal bayar pada kelayakan kredit usaha dengan melibatkan data untuk mengidentifikasi pola dan faktor-faktor yang dapat memprediksi potensi gagal bayar.
Dengan menggunakan metode algoritma 5.
0 alam pengolahan data dapat digunakan untuk mengotomatisasi sebagian besar proses penilaian kredit yang dapat menghemat waktu dan Penerapan data mining dalam lembaga pegadaian memungkinkan pengambilan keputusan yang lebih tepat berdasarkan data historis dan analisis yang mendalam, sehingga membantu mengurangi risiko dan meningkatkan efisensi operasional pada perusahan pemberi kredit.
Penerapan metode Algoritma C5.
0 membantu dalam mengidentifikasi faktor-faktor kritis yang mempengaruhi kelayakan kur syariah UMKM, seperti profil pelanggan, karakteristik usaha, dan kinerja keuangan.
Hasil penenlitian ini adalah diperoleh nilai akurasi metode algoritma C5.
untuk pengolahan dataset pengajuan pinjaman dengan nilai akurasi 95,56%,selain itu terdapat model pohon keputusan yang dapat digunakan untuk mengklasifikasi dan memprediksi gagal bayar nasabah.
Kata Kunci: Kredit.
Data Mining.
Algoritma 5.
Abstract - KUR or known as People's Business Credit is a government program which aims to provide business assistance to small people, namely those who own businesses (MSME.
Providing Credit can also refer to a situation where one party provides money or services to another party.
Every time you give credit to a customer, there is a possibility of default.
Default conditions can be detrimental to those who provide credit.
This default condition, apart from being detrimental to the credit provider company, also has an impact on the company's To overcome the risk of default, it is important for credit companies to carry out careful credit analysis, provide financial education to customers, and have an effective strategy.
In addition, monitoring and updating customers' financial conditions regularly are also an important step in preventing payment failures.
Data mining is a method for finding knowledge from piles of data.
In this research, data mining is used to overcome the problem of default risk on business credit worthiness by involving data to identify patterns and factors that can predict potential By using the natural 5.
0 algorithm method, data processing can be used to automate most of the credit assessment process which can save time and costs.
The application of data mining in pawnshops allows more precise http://ejournal.
id/ejurnal/index.
php/jtk This work is licensed under a Creative Commons Attribution-ShareAlike 4.
0 International License Jurnal Teknik Komputer AMIK BSI.
Volume 10.
No.
Juli 2024 P-ISSN 2442-2436.
E-ISSN: 2550-0120
decisions to be made based on historical data and in-depth analysis, thereby helping to reduce risk and increase operational efficiency at credit granting companies.
The application of the C5.
0 Algorithm method helps identify critical factors that influence the feasibility of MSME sharia currency, such as customer profiles, business characteristics and financial performance.
The results of the feasibility evaluation show that the majority of MSMEs receive funding through sharia currency.
The application of the C5.
0 Algorithm method helps in identifying critical factors that influence the feasibility of MSME sharia courses, such as customer profiles, business characteristics and financial performance.
The results of this research are that the accuracy value of the C5.
0 algorithm method for processing loan application datasets is obtained with an accuracy value of 95.
Apart from that, there is a decision tree model that can be used to classify and predict customer default.
Keywords: Credit.
Data Mining.
Algorithm 5.
PENDAHULUAN
Kredit merupakan suatu kemampuan untuk pengembalian berdasarkan waktu tertentu (Triayudi & Sumiati, 2.
Pemberian kredit pada awalanya dilakukan oleh bank namun saat ini banyak institiusi selain bank memberikan layanan pemberian kredit (Triayudi & Sumiati, 2.
Salah satunya adalah Kredit KUR yang dilakukan oleh PT Pegadaian.
Pemberian kredit bernanfaat bagi rakyat banyak (Nawary & Kurniati, 2.
Adanya program KUR syariah yang ditunjukkan untuk pedagang kecil ini menarik minat sebagian besar pedagang.
Beberapa pedagang merasa dengan adanya skema KUR ini mendorong mereka untuk tidak mencoba lembaga keuangan lain dan lebih memilih untuk hanya meminjam di Pegadaian Syariah yang merupakan salah satu Lembaga Keuangan Syariah yang menawarkan program untuk para pelaku usaha kecil.
Dana KUR dapat memberikan keuntungan bagi pedagang berupa harga yang murah dan muAonah yang Dengan adanya KUR ini banyak pedagang kecil dan menengah sangat terbantu (Sucitra & Latifah, 2.
Dalam kondisi tertentu yaitu melemahnya daya beli masyarakat pemberian kredit terutama bagi para pelaku Usaha Kecil dan menengah sangat membantu untuk bertahan dan meningkatkan Resiko pemberian kredit adalah adanya kemungkinan gagal bayar yang dilakukaan oleh Kondisi gagal bayar ini jika berlarut larut akan menimbulkan kerugian bagi perusahaan pemberi kredit.
untuk itu diperlukan analisa yang tepat, efektif dan efisien bagi penentuan kelayakan pemberian kredit kepada nasabah.
Data mining adalah suatu metode yang digunakan pada tumpukan data untuk mendapatkan pengetahuan (Amalia, et al.
, 2.
Pemanfaatan data mining dapat dilakukan pada pengolahan data keuanangan salah satunya melakukan Analisa terhadap data nasabah yang mengajukan kredit.
Data mining mampu menghasilkan klasifikas ataupun prediksi mengenai nasabah yang nantinya mengalami gagal bayar.
Salah satu metode data mining yang dikenal mampu untuk memberikan klasifikasi yang baik adalah algoritma C5.
algoritma C5.
merupakan salah satu metode klasifikasi yang menghasilkan model pohon keputusan.
Dengan model pohon keputusan yang dihasilkan ini membuat metode ini menjadi lebih mudah dipahami dan ditransform ke dalam bentuk pengetahuan.
Algortima C5.
0 merupakan pengembangan dari algortim C4.
yang telah diketahui sebagai metode data mining yang berkerja sangat baik pada dataset pengajuan pinjaman atau kelayakan pemberian kredit.
Algortima C5.
Berbeda dengan algoritma C4.
algoritma C5.
0 tidak diketahui secara pasti pengguna Dibandingkan dengan metode C4.
algoritma C5.
0 meningkatkan memori pengguna sekitar 90% lebih cepat, menurut data (Manurung.
Penelitian sebelumnya mengenai pengunaan data mining untuk melakukan klasifikasi dan prediksi terhadap data nasabah yang mengajukan pinjaman telah banyak dilakukan.
Tahun 2023 dilakukan penenlitian oleh Librado dan Nasyuha dengan melakukan perbandiangan metode data mining yaitu nayve bayes dan algoritma C4.
5 menghasilkan metode algoritma C4.
5 bekerja lebih baik dari metode nayve bayes untuk prediksi kelayakan pemberian kredit (Librado & Nasyuha, 2.
Tahun 2022 dilakukan penelitian dengna dataset pengajuan kredit nasabah pada bank mandiri taspen menghasilkan nilai akurasi 96,66% (Hidayatulloh.
Fajria.
Lestari, & Nufus, 2.
Tahun 2021 penelitian data mining menggunakan metode C5.
untuk mengelola data nasabah pengajuan pinjamandan potensi kegagalan dan dampak bagi kreditur(Ika Berutu, 2.
Tahun 2020 dilakukan penelitian oleh Desyanita dan wibowo mengelola data pengajuan pinjaman rumah menggunakan metode data mining yaitu nayve bayes dan algoritma C4.
5, dipeoleh bahwa algoritma C4.
menghasilkan nilai akurasi yang lebih tinggi dari nayve bayes (Desyanita & Wibowo, 2.
Tahun 2019 dilakukan penelitian oleh Santoso dan pengajuan pinjaman pada koperasi dengan metode algoritma C.
45 menghasilkan nilai akurasi 97,5% dan memberikan kesimpulan bahwa metode algoritma C4.
5 sangat cocok untuk pengolahan dataset pemberian kredit (Santoso & Sekardiana, 2.
Dalam penelitian ini data mining digunakan untuk mengatasi masalah nasabah gagal bayar pada Penerapan Metode Algoritma C5.
0 Untuk Klasifikasi Pemberian Kredit KUR UMKM Pada PT Pegadaian Jurnal Teknik Komputer AMIK BSI.
Volume 10.
No.
Juli 2024 P-ISSN 2442-2436.
E-ISSN: 2550-0120
kredit kelayakan usaha dengan melibatkan analisis data untuk mengidentifikasi pola dan faktor-faktor yang dapat memprediksi potensi gagal bayar.
Implementasi data mining dapat menggunakan seperti kumpulan data historis terkait pinjaman, termasuk riwayat pembayaran, profil nasabah, dan faktor lain yang mungkin mempengaruhi gagal bayar, dengan menggunakan algoritma C5.
Data mining dapat digunakan untuk mengotomatisasi sebagian besar proses penilaian kredit yang dapat menghemat waktu dan biaya.
Penerapan data mining pengambilan keputusan yang lebih tepat berdasarkan data historis dan analisis yang mendalam, sehingga membantu mengurangi resiko dan meningkatkan efisensi operasional pada PT.
Pegadaian.
METODE PENELITIAN
Dalam melakukan penelitian ini ditempuh dengan mengacu kepada metode penelitian yang dibuat seperti disajikan pada gambar 1 dibawah ini Setelah tahapan identifikasi masalah Data dikumpulkan dengan menggunakan metode C5.
0 yang dilakukan pada PT Pegadaian syariah cabang grogol.
Data yang dikumpulkan sebanyak 100 dengan jumlah atribut 9 untuk melakukan klasifikasi pinjaman usaha Tabel 1 Atribut yang digunakana Atribut Keterangan Nama Usaha Nama Dagangan Nasabah Jenis Usaha Macam-Macam Jenis Dagangan Lama Usaha Lamanya Berdagang Kepemilikan Tempat Rumah Yang Di TInggal Tempati Jumlah Tanggungan Jumlah Anak Yang Masih Sekolah Penghasilan Usaha Pendapatan Perbulan Dari Dagangan Jumlah Pinjaman Pinjaman Ke Pihak PT.
Pegadaian Pefindo Bi Cheking (Layak / Tidak Laya.
Label Sumber: Penelitian Mandiri (Amalia.
Timotius.
Sriyadi.
Yunita, & Pohan, 2.
Tabel 2 Sampel Dataset Yang digunakan Sumber: Penelitian Mandiri (Amalia.
Timotius.
Sriyadi.
Yunita, & Pohan, 2.
Gambar 1 Metode Penelitian yang digunakan Identifikasi Ruang Lingkup Masalah Tahapan mengidentifikasikan kriteria atau variabel atau parameter apa yang digunakan dalam pengolahan dataset kelayakan pemberian KUR syariah PT.
Pegadaian.
Identifikasi mengklasifikasikan suatu pinjaman usaha sehingga diperoleh kriteria yang diperlukan dalam penelitian Kriteria yang digunakan dalam penelitian ini dengan metode C.
Identifikasi dilakukan dengan cara studi literasi untuk memilih kriteria atau variabel ataua parameter yang mewakili dataset nasabah pengajuan pinjaman.
Pengumpulan Data Hilda Amalia.
Moranta Timotius.
Sriyadi.
Yunita Achmad Baroqah Pohan Sumber: Sumber: Penelitian Mandiri (Amalia.
Timotius.
Sriyadi.
Yunita, & Pohan, 2.
Studi Literasi Tahapan selanjutnya setelah mengidentifikasi masalah dan mengumpulkan data yang diperlukan dalam penelitian ini dilaukan tahapan berikutnya yaitu proses mencari penyelesaian masalah dengan menggunakan sumber-sumber bacaan yang relevan dengan penelitian.
Tahap Analisa data Pada tahap Analisa data ini dilakukan proses pemilihan variable independent yaitu pendapatan, usia dan pekerjaan dan variabel dependen Kelayakan pinjaman yang mencakupi diterima atau ditolaknya pinjaman yang diajukan.
Analisa Algoritma C5.
Setelah itu dilakukan proses pengolahan dataset yang telah dikumpulkan dengan menggunakan metode data mining yang telah ditentukan yaitu algoritma C5.
Data dianalisis menggunakan metode C5,0.
Dengan Jurnal Teknik Komputer AMIK BSI.
Volume 10.
No.
Juli 2024 P-ISSN 2442-2436.
E-ISSN: 2550-0120
menggunakan Gain Suatu rumus harus digunakan untuk menentukan nilai gain suatu atribut.
Rumus inilah yang digunakan algoritma C5.
0 untuk menentukan nilai gain.
Pengujian Menggunakan metrik evaluasi seperti akurasi, presisi, recall.
F1-score, atau area under the curve (AUC) untuk mengukur kinerja masing-masing algoritma pada data testing Pembuatan Lapioran Penelitian Tahapan akhir dalam penenlitian ini adalah membuat laporan hasil penelitian yang telah dilakukan HASIL DAN PEMBAHASAN Implementasi Algoritma C5.
Seicara uimuim uintuik meimbanguin Deicision Treiei dilakuikan deingan beibeirapa tahapan seibagai beirikuit:
Menentukan Root Hitung jumlah kasus :
Total data (S) = 100 Jumlah kasus AuLAYAKAy(S.
= 84
Jumlah kasus AuTIDAK LAYAKAy(S.
= 16
Tabel 1 Tabel Hasil Perhitungan Entropi dan Gain
Atribuit
TOTAL
Valuiei Kasuis (S) (S.
Jenis Usaha
0,23
Makan
Minu Bisnis Lama Usaha
0,01
Tahun O3 Tahun Sumber: Penelitian Mandiri (Amalia.
Timotius.
Sriyadi.
Yunita, & Pohan, 2.
Gambar 2 Tahapan Perhitungan Pilih atribut untuk dijadikan akar Buat cabang untuk tiap nilai.
Buat kasus (S) dalam cabang.
Ulangi proses untuk setiap cabang sampai semua kasus pada memeliki kelas yang sama.
Untuk menghitung gain digunakan persamaan sebagai yaycaycnycu .
cI, y.
= yceycuycycycuycyyc .
cI) OeOcni=1 |S.
|S| ycu yaycuycycycuycyyc .
cIyc.
cI) = Ocni=1Oeycyycn log 2 ycyycn
0,02
Milik
Sendiri Sewa
Jumlah Tanggung
0,06
Anak Anak Penghasil Usaha/bln .
Keterangan dari rumus di atas adalah:
S = Himpunan Kasus A = Atribut n = jumlah partisi atribut A |S.
= Proporsi Si terhadap S |S| = jumlah kasus dalam S Kepemili Tempat Gambar 2 merupakan tahapan dalam membuat pohon keputusan dijelaskan seperti dibawah ini:
0,13
>6.
O6.
Jumlah Pinjaman .
0,23 >9.
O9.
OuC Pefindo Keterangan:
ycI = Himpuian kasus = Juimlah partisi S ycyycn = Proporsi Si teirhadap S (S.
0,03 Berdasarkan hasil perhitungan nilai gain tersebut.
Penerapan Metode Algoritma C5.
0 Untuk Klasifikasi Pemberian Kredit KUR UMKM Pada PT Pegadaian Jurnal Teknik Komputer AMIK BSI.
Volume 10.
No.
Juli 2024 P-ISSN 2442-2436.
E-ISSN: 2550-0120
kemudian pilih nilai gain terbesar yang digunakan seibagai root node .
dari pohon keputusan, diketahui nilai gain terbesar adalah Jumlah Pinjaman, yakni sebesar 0,238676.
sehingga atribut Jumlah Pinjaman digunakan sebagai root.
Pohon yang dihasilkan dari perhitungan sebelumnya >2 Anak
O2 Anak
Penghasil an Usaha
0,61
>6.
O6.
0,72
0,39
Pefindo Sumber: Laporan Penelitian (Amalia.
Timotius.
Sriyadi.
Yunita, & Pohan, 2.
Gambar 3 Root Yang dihasilkan 0,15 Dari perhitungan mencari node ke dua diperoleh node sebagai berikut:
Selanjutnya lakukan tahapan perhitungan entropi dan gain untuk masing-masing atribut untuk menentukan node berikutnya:
Tabel 2 Perhitungan nilai entropi Atribuit
Valuiei TOTAL
0,96
Jenis Usaha Gain Sumber: Laporan Penelitian (Amalia.
Timotius.
Sriyadi.
Yunita, & Pohan, 2.
Gambar 4 Node yang dihasilkan 0,17 Makana Minuma Bisnis Lama Usaha Tahapan selanjutnya adalah mencari node selanjutanya dengan cara menghitung entropi dan gain masing-masing veriabel.
Hasil dari pengolahan dataset dengan menggunakan algoritma C5.
diperoleh nilai akurasi yaitu nilai kinerja metode terhadap dataset yang digunakan 0,29 Tahun O3
Tahun 0,98 Kepemili Tempat 0,00 Milik
Sendiri 0,961 Sewa
0,97
Jumlah Tanggung Hilda Amalia.
Moranta Timotius.
Sriyadi.
Yunita
Achmad Baroqah Pohan
0,00
Tabel 3 Nilai akurasi yang dihasilkan Acuracy: 95,56% True False Class Layak Layak Precision Pred.
100,00%
Layak Pred.
77,78%
Tidak Layak
Class
94,74% 100,00%
Recall Berdasarkan tabel perhitungan entropi dan gain diketahui root dan daun dari pohon yang dapat dihasilkan dari pengolahan data nasabah dengan menggunakan metode algortima C.
merupakan table nilai akurasi yang dihasilkan oleh Jurnal Teknik Komputer AMIK BSI.
Volume 10.
No.
Juli 2024 P-ISSN 2442-2436.
E-ISSN: 2550-0120
metode algortima C5.
Nilai yang diperoleh dari hasil pengolahan dataset pengajuan pinjaman diperoleh nilai kinerja metode terhadap dataset yakni 95,56%.
Dengan prediksi layak disetujui dan sesuai disetujui yaitu 72 data, untuk yang tidak sesuai sebanyak nol data, sedang yang di prediksi tidak layak mendapatkan hasil tidak sesuai yaitu 4 data dan yang sesuai 14 data.
KESIMPULAN
Berdasarkan hasil dan pembahasan diperoleh nilai akurasi kinerja metode algoritma C5.
0 bekerja dengan baik untuk dataset pengajuan pinjaman KUR pada PT.
Pengadaian dengan nilai akurasi 95,56% merupakan nilai akurasi yang termasuk klasifikasi sangat baik.
Model yang dihasilkan dari hasil pengolahan dengan menggunakan metode data mining algoritmaC5.
0 dapat digunakan oleh PT.
Pegadaian sebagai sistem penunjang keputusan dalam menganalisa kelayakan kredit yang diajukan oleh nasabah untuk mengurangi resiko gagal bayar dari nasabah.
Nawary.
, & Kurniati.
Penerapan Data Mining Dalam memprediksi Kelancaran Kredit Nasabah Menggunakan Algoritma C4.
5 (Studi Kasus pada PT.
Astra Internasiona (AUTO 2.
Bina Darma Conference.
Santoso.
, & Sekardiana.
Penerapan Algoritma C4.
5 Untuk Penentuan Kelayakan Pemberian Kredit.
Jurnal Algoritma,Logika dan Komputasi, 130-137.
Sucitra.
, & Latifah.
Strategi Bauran Pemasaran 4P Dalam Produk Pembiayaan KUR Syariah Di Pegadaian Syariah.
Jurnal Tabarru, 371-368.
Triayudi.
, & Sumiati.
Implementasi Klasifikasi Data Mining Untuk Penentuan Kelayakan Pemberian Kredit dengan Menggunakan Algoritma Nayve Bayes.
Jurnal Sistem Komputer dan Informatika , 240-244.
REFERENSI