Efektifitas Faktor Penentu Putusan Penilaian Kelayakan Kredit Berbasis Data Mining
Abstract
Algoritma decision tree dan naïve bayes merupakan teknik klasifikasi yang paling banyak digunakan. Dalam dunia perbankan, algoritma tersebut dapat digunakan untuk membuktikan keefektifan aspek penentu (kapasitas) yang digunakan untuk menilai kelayakan debitur pada BPR XYZ. Keakuratan hasil pengujian dengan use training set, cross validation, dan percentage split digunakan untuk mengetahui algoritma pengklasifikasian yang kinerjanya paling baik dalam membuktikan keefektifan faktor penentu. Berdasarkan hasil penelitian diperoleh nilai kolektibilitas berstatus lancar sebesar 0.4155 dan nilai kolektibilitas tidak lancar (gabungan) sebesar 0.3272. Nilai kolektibilitas kredit berstatus lancar yang paling tinggi merupakan bukti bahwa faktor penentu kelayakan pemberian kredit yang digunakan saat ini memang sudah tepat. Hasil pengujian algoritma decision tree paling baik dengan menggunakan use training set dan cross validation karena memiliki tingkat error 0%, sedangkan algoritma naïve bayes lebih baik dalam pengujian percentage split menghasilkan root mean squared error dan root relative squared error lebih kecil dibandingkan algoritma decision tree.
Kata Kunci: Data Mining, Kolektibilitas Kredit, Klasifikasi, Naive Bayes, Decision Tree
References
Tampubolon, Lely, Determination Priority of Credit Assessment Aspect by Using a Data Mining. ICEM-Conference Proceedings, Vol. 1/ 2013. IKPIA Perbanas Jakarta, 2013.
Suamanda, Novichasari Ika, Penentuan Kelayakan Kredit Bank Menggunakan Naive Bayes Classifier Berbasis Particle Swarm Optimization. http://eprints.dinus. ac.id/12038, 2014.
Kasmir, Bank dan Lembaga Keuangan Lainnya. Jakarta : PT. Raja Grafindo Persada, 2013.
Supramono, Gatot, Perbankan dan Masalah Kredit :Suatu Tinjauan di Bidang Yuridis. Jakarta : Penerbit Rineka Cipta, 2009.
Saraswati, Rosita Ayu Peranan, Analisis Laporan Keuangan, Penilaian Prinsip 5C Calon Debitur Dan Pengawasan Kredit Terhadap Efektivitas Pemberian Kredit Pada PD BPR Bank Pasar Kabupaten Temanggung. Jurnal Nominal, Vol. I No. I, journal.uny.ac.id/ index.php/nominal/article/.../797, 2012.
Peraturan Bank Indonesia Nomor: 8/19/Pbi/2006 Tentang Kualitas Aktiva Produktif dan Pembentukan Penyisihan Penghapusan Aktiva Produktif Bank Perkreditan Rakyat.
http://www.bi.go.id/.../ pbi_81907.pdf, 2006.
Berry, J. A., Lindoff, G., Data Mining Techniques, Wiley Computer Publishing (ISBN 0-471-17980-9), 2004.
Moin , Kazi Imran; Dr Qazi Baseer Ahmed, Use of Data Mining in Banking. International Journal of Engineering Research and Applications (IJERA), ISSN:2248-9622, Vol.2, No. 2, Hal.: 738-742, 2012.
Hermawati, Fajar Astuti, Data Mining. Yogyakarta : Penerbit Andi, 2013.
Data Mining Techniques, http://www.dataminingtechniques.net
H., Kikuchi ; Ito, K. ; Ushida, M. ; Tsuda, H. ; Yamaoka, Y., Privacy-Preserving Distributed Decision Tree Learning with Boolean Class Attributes. Advanced Information Networking and Applications (AINA), 2013 IEEE 27th International Conference on Digital Object Identifier: 10.1109/AINA.2013.140, Page(s): 538 – 545, http://ieeexplore.ieee.org, 2013.
Sun, Quan, Bernhard Pfahringer, Pairwise meta-rules for better meta-learning-based algorithm ranking. Machine Learning Journal Vol 93, No.1, pp141-161. Springer US, 2013.
Wang, Jue and Qing Tao, Machine Learning : The state of the art. IEEE Computer Society. Nov-Dec 2008
How To Cite This :
Refbacks
- There are currently no refbacks.
