ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES

Kholifah, Ahadiyah Nurul and Insani, Nur (2016) ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES. S1 thesis, UNY.

Preview	Text BAB I PENDAHULUAN.pdf Download (105kB) | Preview
Preview	Text BAB II KAJIAN TEORI.pdf Download (914kB) | Preview
	Text BAB III PEMBAHASAN.pdf Restricted to Repository staff only Download (899kB)
	Text BAB IV KESIMPULAN DAN SARAN.pdf Restricted to Registered users only Download (93kB)
Preview	Text DAFTAR PUSTAKA.pdf Download (93kB) | Preview
	Text HALAMAN ROMAWI.pdf Restricted to Registered users only Download (1MB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (520kB)

Abstract

Salah satu penyebab kredit bermasalah adalah kurang telitinya pihak koperasi dalam survei dan analisis pemberian kredit. Hal tersebut dapat diminimalisir dengan analisis kredit menggunakan teknik data mining. Teknik data mining yang digunakan pada penelitian ini untuk klasifikasi kredit lancar dan bermasalah dengan menerapkan metode decision tree C4.5 dan naïve bayes. Dari penerapan kedua metode dapat diketahui perbandingan model klasifikasi yang dihasilkan dengan melihat tingkat akurasi masing-masing metode. Pada penelitian ini sumber data yang digunakan adalah data peminjam kredit Koperasi X tahun 2011-Maret 2016 dan data laporan nominatif pinjaman perbulan tahun 2014-Maret 2016 yang berjumlah 1076 data, setelah dilakukan preprocessing diperoleh data yang siap diolah berjumlah 979 data. Proses pembentukan model dibantu dengan software WEKA menggunakan klasifikasi decision tree C4.5 dan naïve bayes. Hasil pengujian model klasifikasi decision tree C4.5 menggunakan use training set, 10-fold cross validation, dan percentage split berurutan sebesar 71,91%, 68,03%, dan 66,84%, sedangkan pada naïve bayes sebesar 67,01%, 64,66%, dan 65,82%. Waktu komputasi klasifikasi decision tree C4.5 dengan beberapa model tes sebesar 0,25 detik, 0,14 detik, dan 0,02 detik, sedangkan pada naïve bayes sebesar 0,01 detik, mendekati 0 detik, dan mendekati 0 detik. Decision tree C4.5 memberikan tingkat akurasi lebih baik, namun untuk waktu komputasi, naïve bayes lebih baik. Kata kunci: data mining, decision tree C4.5, naïve bayes, data kredit, software WEKA

Item Type:	Thesis (S1)
Subjects:	Matematika dan Ilmu Pengetahuan Alam > Matematika
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) > Pendidikan Matematika > Matematika
Depositing User:	Jurusan Pendidikan Matematika
Date Deposited:	23 Sep 2016 00:40
Last Modified:	30 Jan 2019 10:58
URI:	http://eprints.uny.ac.id/id/eprint/41356

Actions (login required)

View Item