PREDIKSI KREDIT MACET MELALUI PERILAKU NASABAH PADA KOPERASI SIMPAN PINJAM DENGAN MENGGUNAKAN METODE ALGORITMA KLASIFIKASI C4.5

• DOI: 10.34001/jdpt.v6i1.200
• Publication Date: 2015-01-01
• Authors: Adi Sucipto

ABSTRACT

Bad loans at credit unions has become very worrying for the health cooperative itself, where banyakanya jammed from time to and is difficult charged, while simplicity of administration been unable protect failure collect debts customers or sell existing collateral.Prevention limitation bad in have not found a way most suitable does such reliable analyst banking high cost, as long this analysis done with personal approach filling fiber blank application field survey.Classification mining data C4.5 algorithm model was conducted by measurable tests using AUC test, ROC T-Test rapid miner. The result after testing parameters customer together number 1312, fact, gives an accuracy all validation value 91.06%, precision 100.00% recall 78.00%. It means still good able use one guidelines detection before any decision member prospective new customers.Test results solely can be used credit, there are many other algorithms that compared algorithm, thus might different.

Keywords: curve AUC, ROC, T-Test

ABSTRAK

Kredit macet di komperasi simpan pinjam sudah menjadi hal yang sangat mengkhawatirkan bagi kesehatan koperasi itu sendiri, dimana semakin kredit dari waktu ke dan sulit untuk ditagihkan, sementara kesederhanaan administrasi belum mampu melindungi kegagalan menagih hutang kenasabah atau menjual jaminan ada. Penanggulangan pembatasan menemukan cara paling sesuai karena memmpunyai analis handal seperti perbankan mahlnya biaya, selama ini analisa dilakukan dengan melakukan pendekatan mengisi blangko pengajuan serat survey lapangan. Algoritma klasifikasi algoritma pengujian-pengujian terukur melalui uji bantuan Hasilnya, setelah pengujian menggunakan parameter biodata nasabah jumlah sebanyak 1312 ternyata menghasilkan akurasi sebesar secara keseluruhan nilai hasil validasi adalah = 91,06%, 100,00% 78,00%, artinya masih baik dapat dijadikan salah satu pedoman deteksi sebelum ada keputusan tidak calon baru. Hasil bukan satu-satu digunakan macet, banyak lain diperbandingkan kemungkinan hasilnya akan berbeda.

Kata Kunci: