Analisis Rekomendasi Calon Debitur Motor pada PT.XYZ menggunakan Algortima C 4.5

Abstract

PT.XYZ merupakan perusahaan jasa pembiayaan atau leasing dengan berkonsentrasi kepada pembiayaan sepeda motor. Dalam bisnisnya PT.XYZ sering sekali dihadapkan oleh masalah kredit macet atau bahkan penipuan. Hal ini dikarenakan kesalahan dalam pemberian kredit kepada calon debitur yang tidak potensial. Jika tidak ditangani hal ini tentu saja akan berdampak buruk bagi perusahaan. Perusahaan mengalami penurunan kemampuan dalam membayar angsuran pinjaman ke perbankan bahkan dapat berdampak pada kebangkrutan. Dalam hal ini PT.XYZ perlu melalukan analisis untuk menentukan calon debitur yang potensial dengan menggunakan data driven method atau pendekatan berbasis kepada data. Yaitu pengambilan keputusan dengan melihat data pengajuan kredit yang pernah ada sebelumnya yang disebut juga sebagai supervised learning. Algoritma yang digunakan adalah algoritma C4.5 karena algoritma ini dapat mengklasifikasi data yang sudah ada sebelumnya. Dengan algoritma ini akan dihasilkan sebuah pohon keputusan yang akan membantu PT.XYZ dalam pengambilan keputusan. Dengan pengujian menggunakan 3587 sampel data pengajuan kredit dalam kurun waktu 1 tahun akurasi yang didapatkan ialah 97,96%. Dengan begitu hal ini menunjukkan bahwa metode klasifikasi menggunakan algoritma C4.4 berhasil diimplementasikan dengan baik. Hal ini diharapkan dapat membantu PT.XYZ dalam merekomendasikan calon debitur yang potensial. AbstractPT. XYZ is a finance or leasing service company by concentrating on motorcycle financing. In its business, PT. XYZ is often faced with problems of bad credit or even fraud. This is due to an error in giving credit to potential debtors. If it is not handled this, of course, will have a bad impact on the company. Companies experiencing a decline in the ability to repay loan installments to banks can even have an impact on bankruptcy. In this case, PT. XYZ needs to do an analysis to determine potential debtors using data-driven methods or data-based approaches. That is decision making by looking at credit application data that has never been before, which is also called supervised learning. The algorithm used is the C4.5 algorithm because this algorithm can classify pre-existing data. With this algorithm, a decision tree will be produced that will help PT. XYZ in decision making. By testing using 3587 samples of credit filing data within a period of 1 year the accuracy obtained was 97.96%. That way this shows that the classification method using the C4.4 algorithm is successfully implemented properly. This is expected to help PT. XYZ in recommending potential debtors.