Nur, Iqbal Taufiq Ahmad (2018) Prediksi Kredit Macet Berdasarkan Preferensi Nasabah Menggunakan Metode Klasifikasi C4.5 pada Koperasi Simpan Pinjam Mitra Raya Wates. Sarjana thesis, Universitas Brawijaya.
Abstract
Kredit macet merupakan permasalahan utama yang sedang dihadapi lembaga finansial khususnya koperasi di Indonesia. Hal tersebut juga dialami pada KSP Mitra Raya Wates yang tidak menggunakan tenaga analis kredit dan pengambilan keputusannya mengunakan pendekatan intuitif dan berdasarkan pengalaman yang sudah ada oleh Pimpinan KSP. Hal tersebut tentu akan menimbulkan adanya kesalahan analisis kredit yang dapat menyebabkan risiko kredit. Proses survei yang dilakukan pada KSP Mitra Raya Wates juga tidak bisa menjamin pinjaman yang dilakukan oleh nasabah bebas dari risiko kredit, mengingat terdapat kurang lebih 100 orang nasabah mengalami kredit macet dari total kurang lebih 400 nasabah yang telah mendapatkan pinjaman. Sehingga diperlukan sistem yang mampu menjadi pendukung keputusan guna mendeteksi kualitas kredit sejak dini. Klasifikasi merupakan salah satu metode yang dapat digunakan untuk memprediksi kualitas kredit nasabah. Dengan memanfaatkan salah satu metode klasifikasi yaitu C4.5 akan dihasilkan sebuah rule dalam bentuk pohon keputusan yang dapat digunakan untuk memprediksi kredit macet dalam kasus pengajuan pinjaman nasabah. Data yang terkumpul berjumlah 193 data yang kemudian dilakukan pre processing dan pembagian data untuk kemudian dilakukan proses pembentukan rule dalam bentuk pohon keputusan menggunakan tool weka. Sistem kemudian diimplementasikan dengan memanfaatkan framework codeigniter dan simple cli weka. Hasil yang didapatkan dari pengevaluasian dan pemvalidasian menggunakan confussion matrix adalah tingkat akurasi sebesar 94,5946%. Sedangkan berdasarkan kurva ROC dihasilkan nilai AUC sebesar 0,9689. Tingkat usability system yang dihasilkan dengan memanfaatkan SUS adalah sebesar 82,5. Luaran yang dihasilkan berupa visualisasi dashboard dengan beberapa grafik yang memuat persentase, timeseries dan trend dari total pengajuan yang telah dilakukan dan juga form yang dapat digunakan oleh pihak KSP Mitra Raya Wates untuk melakukan prediksi pengajuan kredit nasabah dan juga pemasukan dataset ke sistem.
English Abstract
Bad credit is the main problem that faced by financial institutions, especially cooperatives in Indonesia. This problem is also happened in KSP Mitra Raya Wates that does not use credit analyst and the decision making process is using an intuitive approach and based on existing experience that owned by KSP Leader. The problem will certainly lead to a mistake in credit analysis that may cause credit risk. The survey process conducted at KSP Mitra Raya Wates also cannot guarantee that the loans made by customers are free from credit risk, considering there are approximately 100 customers having bad credit from a total of approximately 400 customers who have received loans. KSP Mitra Raya Wates needs a system that capable of supporting decision to detect credit quality early on. Classification is one of the methods that can be used to predict credit quality of customers. By utilizing C4.5 classification method, it will generate a rule in the form of a decision tree that can be used to predict bad credit in the case of customer loan application. 193 data had been collected and then will apply preprocessing and data sharing, after that the process of forming the rule in the form of decision tree using weka tool will be done. Then the system will be implemented by utilizing the codeigniter framework and simple cli weka. The results of evaluating and validating using confusion matrix have accuracy of 94.5946%. While based on the ROC curve, it generated AUC value of 0.9689. The level of system usability generated by utilizing SUS is 82.5%. The output is dashboard visualization with several graphs containing the percentage, timeseries and trend of total submissions that have been made and also forms that can be used by KSP Mitra Raya Wates to make predictions of customer credit application and also dataset entry into the system.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/502/051808311 |
| Uncontrolled Keywords: | kredit, prediksi, klasifikasi, C4.5, weka, codeigniter, SUS credit, prediction, clasification, C4.5, weka, codeigniter, SUS |
| Subjects: | 300 Social sciences > 332 Financial economics > 332.7 Credit |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 25 Mar 2019 07:17 |
| Last Modified: | 21 Oct 2021 02:11 |
| URI: | http://repository.ub.ac.id/id/eprint/162079 |
Preview |
Text
Iqbal Taufiq Ahmad Nur.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |