DATA MINING UNTUK MENGANALISA PREDIKSI PEMOHON KREDIT KPR MENGGUNAKAN METODE DECISION TREE C4.5 (Studi Kasus Pada PT. Bank Tabungan Negara (Persero) Kantor Cabang Semarang)

摘要

Layanan Kredit Kepemilikan Rumah (KPR) merupakan salah satu fasilitas yang dimiliki oleh suatu bank. Pemohon kredit (debitur) dikatakan berpotensi mengalami kredit macet apabila tidak membayarkan tagihan kreditnya tepat pada waktunya. Keberadaan pemohon kredit yang berpotensi menyebabkan kredit macet ini tentunya berpengaruh terhadap tingkat NPL (Non Performing Loan) pada suatu bank, semakin banyak pemohon kredit yang berpotensi macet maka semakin tinggi pula tingkat NPL setiap tahunnya. Kolektibilitas merupakan elemen penilaian dalam menentukan kategori seorang debitur. Oleh karena itu untuk mengatasi masalah tersebut diterapkan data mining dengan metode decision tree C4.5 untuk mencari karakteristik pemohon kredit yang berpotensi menyebabkan kredit macet. Desain penelitian ini menggunakan CRISP-DM dan penelitian menggunakan data pemohon kredit KPR pada PT. Bank Tabungan Negara (Persero) Kantor Cabang Semarang yang terdaftar pada CV. Hamparan Cipta Griya tahun 2014. Proses validasi yang digunakan adalah spilt validation, dan untuk pengujian model menggunakan confusion matrix. Hasil menunjukan nilai akurasi terbaik adalah 98.65% dengan ratio data training 90%. Berdasarkan percobaan yang dilakukan, pemohon kredit dengan angsuran lebih dari Rp 390.500, penghasilan lebih dari Rp 2.125.000, umur lebih dari 45 tahun dan waktu kredit lebih dari 210 bulan lebih besar berpotensi menyebabkan kredit macet.