Kajian Komparasi Penerapan Algoritma C4.5 Dan Naive Bayes Sebagai Penunjang Keputusan Pinjaman Uang (Studi Kasus Di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan Pasuruan)

Setiawan, Akas Bagus (2018) Kajian Komparasi Penerapan Algoritma C4.5 Dan Naive Bayes Sebagai Penunjang Keputusan Pinjaman Uang (Studi Kasus Di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan Pasuruan). Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 09211650053034-Master_Theses.pdf]
Preview
Text
09211650053034-Master_Theses.pdf - Accepted Version

Download (4MB) | Preview

Abstract

Sistem peminjaman uang di koperasi karyawan PT. Karyamitra Budisentosa mempunyai peran yang sentral karena anggota dari koperasi sendiri sebanyak 100 anggota dan perlu di analisa siapa saja anggota yang layak untuk diberi pinjaman. Resiko dari sistem peminjaman yang tak berjalan lancar akan menyebabkan kredit macet, maka akan mengganggu sistem keuangan dan proses bisnis yang ada di koperasi tersebut. adapun kredit macet berdasarkan data yang telah dikumpulkan dari tahun 2013 hingga 2017 yaitu sebesar 57,69% pada 2013, 50% pada 2014, 52,38% pada 2015, 71,4% pada 2016 dan 72,72% pada 2017 yang terjadi pada Koperasi Karyawan PT. Karyamitra Budisentosa jika dibandingkan dengan kredit yang berstatus lunas.
Penelitian ini menggunakan alat bantu RapidMiner 8.0 yang merupakan machine learning untuk mempelajari Data history dengan metode C4.5 dan Naïve Bayes kemudian dari kedua metode tersebut diambil nilai AUC (Area Under Cover) yang paling tinggi, nilai AUC merupakan interpretasi rata-rata sensitifitas untuk semua nilai spesifitas (akurasi, presisi, recall) yang mungkin. Nilai AUC dipakai untuk mengukur uji diagnostik secara umumdalam menganalisa data history, Naïve Bayes adalah metode yang menghitung probabilitas dari tingkat kemunculan data yang satu terhadap data yang lain. Algoritma C4.5 adalah salah satu dari sebagian algoritma dalam metode decision tree yang mengubah data menjadi pohon keputusan, untuk kemudian dapat disimpulkan menjadi rule-rule.
Berdasarkan perbandingan hasil pengujian melalui berbagai skenario terhadap kedua metode tersebut, metode Naïve Bayesmemperoleh pencapaian nilai AUC rata-rata sebesar 0,866 berdasarkan 4 model sampling sedangkan metode C4.5 dengan pencapaian nilai rata-rata AUCsebesar 0,786 berdasarkan 4 model sampling masing-masing metode diuji menggunakan skenario uji 5-fold dengan Cross Validation sehingga Naïve Bayes merupakan metode terbaik yang direkomendasikan dalam bentuk sebuah Decision Suport System, dimana pada penelitian ini diberikan juga model dasar dalam penerapan metode Naïve Bayes kedalam sistem pendukung keputusan yang diajukan kepada manajemen.Koperasi Karyawan PT. Karyamitra Budisentosa =====================================================================================================
Money lending system in the cooperative employees of PT. Karyamitra Budisentosa has a central role because members of the co-operatives themselves are 100 members and need to be analyzed by whom members are eligible to be loaned. The risk of a non-performing loan system will cause bad debts, it will disrupt the financial system and business processes that exist in the cooperative. while non-performing loans based on data collected from 2013 to 2017 amounted to 57.69% in 2013, 50% in 2014, 52.38% in 2015, 71.4% in 2016 and 72.72% in 2017 which occurred on Employee Cooperative PT. Karyamitra Budisentosa when compared with credit with the status paid off.
This research uses the tool of RapidMiner 8.0 which is machine learning to study the data history with method C4.5 and Naïve Bayes then from both methods is taken the highest AUC (Area Under Cover) value, the AUC value is the interpretation of the average sensitivity for all Specificity values (accuracy, precision, recall) are possible. The AUC value is used to measure the general diagnostic test in analyzing the data history, Naïve Bayes is a method that calculates the probability of the rate of occurrence of data on one another. The C4.5 algorithm is one of several algorithms in the decision tree method that converts data into decision tree, to then be inferred into rule-rule.
Based on the comparison of test results through various scenarios on both methods, Naïve Bayes method obtained an average AUC value of 0.866 based on 4 sampling models while the C4.5 method with an average AUC value of 0.786 based on 4 sampling models of each method tested using a 5-fold test scenario with Cross Validation so Naïve Bayes is the best recommended method in the form of a Decision Suport System, which in this study is also provided a basic model in applying the Naïve Bayes method into the decision support system submitted to management of Cooperative Employee PT. Karyamitra Budisentosa

Item Type: Thesis (Masters)
Additional Information: RTMT 658.403 3 Set k-1 3100018075457
Uncontrolled Keywords: Algoritma C4.5; Naïve Bayes; AUC; Pinjaman uang; RapidMiner 8.0; machine learning; data history
Subjects: H Social Sciences > HD Industries. Land use. Labor > HD30.23 Decision making. Business requirements analysis.
Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory.
Q Science > QA Mathematics > QA9.58 Algorithms
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T58.62 Decision support systems
Divisions: Faculty of Business and Management Technology > Management Technology > 61101-(S2) Master Thesis
Depositing User: Akas Bagus Setiawan
Date Deposited: 04 Jul 2018 08:54
Last Modified: 06 Oct 2020 01:09
URI: http://repository.its.ac.id/id/eprint/51993

Actions (login required)

View Item View Item