Artikel Ilmiah – Explorasi Algoritma C4.5 dan Forward Feature Selection untuk Menentukan Debitur Baik dan Debitur Bermasalah pada Produk Kredit Tanpa Agunan (KTA)

Abstrak :

Produk kredit Bank Umum yang sangat diminati oleh Badan Usaha atau Organisai dan
masyarakat salah satunya yaitu Kredit Tanpa Angunan (KTA), hal ini dikarenakan
sistem kredit tidak membutuhkan jaminan dari debitur. Tetapi dalam jangka waktu
proses kredit KTA tidak menutup kemungkinan debitur melakukan keterlambatan
dalam melakukan pembayaran angsuran (menunggak) yang dikarenakan mengalami
kegagalam dalam bisnis, kehilangan pekerjaan, uang digunakan untuk memenuhi
kebutuhan lain serta berbagi macam alasan lainnya. Pada Bank ABC setiap nasabah
yang terlambat melakukan pembayaran dapat dikelompokan menjadi Non Performance
Loan (NPL) atau yang sering disebut dengan kredit macet. Untuk mengatasi
permasalahan tersebut diterapkan bidang Ilmu Komputer yaitu Data Mining untuk
memprediksi kriteria debitur yang baik dan debitur bermasalah. Adapun metode atau
algoritma Data Mining yang digunakan adalah kombinasi dari algoritma C4.5 dan
Forward Feature Selection. Pengujian algoritma C4.5 dalam memprediksi
menghasilkan tingkat accuracy sebesar 92.00%, recall sebesar 92.00% dan precission
sebesar 92.00%. Forward Feature Selection berbasis algoritma C4.5 lebih akurat dan
efektif dalam memprediksi debitur yang baik dan debitur bermasalah dengan hasil
accuracy sebesar 93.60%, recall sebesar 93.60%, precission sebesar 93.60% dan
memperoleh atribut yang berpengaruh yaitu jangka waktu, maksimum kredit dan
pekerjaan.

Visit:

https://ejournal.undiksha.ac.id/index.php/JST/article/view/24627