Prediksi Status Kredit Usaha Nasabah Dengan Pendekatan Algoritma Pohon Keputusan ID3 Berbasis Himpunan Multi Angka

Abstract

Dalam pelaksanaan kegiatan perkreditan selama ini, permasalahan Non-Performing Loan (NPL) atau dikenal dengan kredit macet semakin meningkat. Penelitian ini berusaha untuk memprediksi status nasabah kredit usaha dengan metode kuantitatif. Penelitian ini dilakukan di PT Bank Riau Kepri Cabang Pasar Pusat Pekanbaru dengan menggunakan multi set fuzzy untuk mentransformasi tipe data dan menentukan Information Gain. Sedangkan decision tree ID3 berfungsi untuk menghasilkan model prediksi keputusan yang berupa rules. Variabel keputusan dalam penelitian ini adalah status kredit, sedangkan untuk variabel penentunya adalah omset usaha, jumlah pinjaman, nilai agunan, jangka waktu pembiayaan dan jumlah anak. Data-data tersebut dibagi menjadi dua bagian, yaitu 100 data training dan 50 data uji. Data training digunakan untuk mencari fungsi pemisah antara kelas satu dengan kelas yang lainnya. Sedangkan data uji digunakan untuk memprediksi output nya, sehingga dapat diketahui tingkat kesalahan prediksi (error). Pada penelitian ini dihasilkan 11 rules dengan error sebesar 0.1 yang diperoleh dari perbedaan 5 data terhadap 50 data uji. Tool yang digunakan dalam penelitian ini adalah Ms. Excel dan Matlab versi 7.10.0. Hasil dari penelitian ini adalah rules prediksi yang dapat digunakan untuk memprediksi status kredit usaha calon nasabah untuk meminimalisir kemungkinan terjadinya kredit macet yang akan datang. Kata kunci : kredit macet, rules prediksi, multi set himpunan fuzzy decision tree ID3, data mining