ANALISIS DAN IMPLEMENTASI PENGAMBILAN POLA KEPUTUSAN NASABAH YANG BERHAK MENERIMA KREDIT MENGGUNAKAN ALGORITMA ID3 PADA BANK MANDIRI PANGKALPINANG

Transkripsi

1 ANALISIS DAN IMPLEMENTASI PENGAMBILAN POLA KEPUTUSAN NASABAH YANG BERHAK MENERIMA KREDIT MENGGUNAKAN ALGORITMA ID3 PADA BANK MANDIRI PANGKALPINANG Nurhasman Hari Wibawa Sistem Informasi STMIK Atma Luhur Pangkalpinang harywibawa@yahoo.com ABSTRAK PT Bank Mandiri Pangkalpinang is one of company engaged in banking. Various services of services banking in has been implemented by Bank Mandiri in efforts quality improvement, including in it credit channeling. One of the tasks of Bank Mandiri, especially in the field of marketing is to analyze the data customers to know the clients that have the potential to do credit. On This study, Technique data mining which used for analyze the data customers' is classification namely with classify all customer data who years ago, as a a reference for the know the customers-customers who will potentially credit. Whereas the method classification which used is Decision Tree (tree decision) and Algorithm who worn as shaper tree his decision is AlgorithmID3. By because it, implementations data mining this will help the parties bank particularly the field of marketing inside classifying customer data who potentially credit which then will calculated with using algorithm ID3 and generate data is decisions who precise in giving credit to customers. Keywords : Data mining, Decission Tree, Algorithm ID3, Classification 1. Pendahuluan Bank merupakan lembaga keuangan yang dibangun atas dasar kepercayaan. Fungsi utama sebuah Bank adalah sebagai lembaga yang dalam aktivitas usahanya menghimpun dan menyalurkan dana masyarakat. Salah satu cara penyaluran dana tersebut adalah melalui kebijakan kredit yang dilakukannya, sehingga dengan kata lain kesehatan perbankan akan sangat dipengaruhi oleh resiko kredit. 1.1 Latar Belakang Masalah PT Bank Mandiri Pangkalpinang merupakan salah satu perusahaan yang bergerak dalam bidang perbankan. Berbagai jasa pelayanan perbankan telah dilaksanakan oleh Bank Mandiri dalam upaya peningkatan kualitas, termasuk di dalamnya penyaluran kredit. Pengawasan yang dilakukan oleh PT Bank Mandiri Pangkalpinang merupakan hak yang penting dalam usaha perbankan tujuan dari pengawasan pemberian kredit ini menjaga, mengamankan dan mengantisipasi terjadinya penyimpangan yang dapat menjadikan kredit bermasalah dan jika tidak ditidak lanjuti akan menyebabkan kerugian bagi Bank.

2 Berdasarkan kenyataan yang ada, maka penulis mengadakan penelitian dengan judul Analisis Dan Implementasi Pengambilan Pola Keputusan Nasabah Yang Berhak Menerima Kredit Menggunakan Algoritma ID3 Pada Bank Mandiri Pangkalpinang, dengan adanya sistem ini, pihak Bank dapat mengetahui dengan cepat munculnya potensi kredit bermasalah yang dapat merugikan Bank. 1.2 Tujuan Penelitian Adapun tujuan dari penelitian ini yaitu meningkatkan pengawasan terhadap kredit dan pelayanan kepada nasabah agar tercapai tujuan yang diharapkan melihat betapa pentingnya keefektifan sistem pengawasan kredit yang nantinya akan dianalisa dari data nasabah tahun lalu sebagai acuan dan dapat mengetahui dengan cepat munculnya potensi kredit bermasalah yang dapat merugikan Bank. 1.3 Batasan Penelitian Adapun batasan dari penelitian ini yaitu : a. Pembuatan proses program pada algoritmanya menggunakan variabel statis yang akan menjadi penentu hasil keputusan yaitu : status perkawinan, penghasilan perbulan, status rumah, lama tinggal, pendidikan, pekerjaan. b. Dalam pembuatan program data mining ini menggunakan aplikasi software (perangkat lunak) yang dipakai yaitu Netbeans7.3, Mysql. c. Menggunakan metode Klasifikasi dengan Decission tree (pohon keputusan) untuk visualisasi hasil pola keputusan, Dan Algoritma yang dipakai sebagai pembentuk pohon keputusan adalah ID Metode Penelitian Metode pengumpulan data yang digunakan yaitu sumber data primer, sumber data penelitian yang diperoleh secara langsung dari sumber asli atau tempat dimana mengadakan penelitian. Data yang diperoleh adalah wawancara dengan admin kredit bank dan orang-orang yang berkepentingan dalam pembuatan sistem ini. Dan sumber data sekunder, penelitian yang diperoleh secara tidak langsung, melalui media perantara. 1.5 Hasil Penelitian Menghasilkan aplikasi Data Mining yang mampu mengetahui dengan cepat munculnya potensi kredit bermasalah yang dapat merugikan bank berbasis java. 1.6 Manfaat Hasil Penelitian Adapun manfaat atau kontribusi dari hasil penelitian ini yaitu : a. Penelitian ini dapat bermanfaat untuk meningkatkan pemahaman mengenai proses perkreditan pada perbankan Bank secara teoritis maupun praktek. b. Dapat meningkatkan efisiensi dan efektifitas dalam menentukan nasabah yang layak untuk diberikan kredit khususnya kemudahan bagi marketing bank. c. Bagi civitas akademika, sebagai bahan referensi dan panduan dalam melanjutkan penelitian ini di masa akan datang, khususnya mengenai sistem penentuan pemberian kredit dengan metode pola keputusan.

3 2 Landasan Teori 2.1 Pengertian Data Mining Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata. Informasi yang dihasilkan diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basisdata [1]. Teknik data mining yang digunakan dalam penelitian ini yaitu Klasifikasi merupakan proses untuk menemukan sekumpulan model yang menjelaskan dan membedakan kelas-kelas data, sehingga model tersebut dapat digunakan untuk memprediksi nilai suatu kelas yang belum diketahui pada sebuah objek [2]. Sedangkan Metode Klasifikasi yang digunakan adalah Decision tree (pohon Keputusan), untuk visualisasi hasil pola keputusan. Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan [3]. Metode Algoritma Data Mining yang dipakai sebagai pembentuk pohon keputusan adalah algoritma ID3. Iterative Dichotomiser3 (ID3) merupakan sebuah metode yang digunakan untuk membangkitkan pohon keputusan. Algoritma pada metode ini berbasis pada Occam s razor: lebih memilih pohon keputusan yang lebih kecil (teori sederhana) dibanding yang lebih besar [4]. Software yang digunakan Star UML merupakan software opensource untuk membuat secara cepat, fleksibel, dapat diperluas, dengan banyak fitur dan gratis yang berjalan pada platform Win32. Tujuan dari Star UML adalah untuk membuat modeling software dan berikut platform UML/MDA untuk menyaingi software UML yang komersil [5]. 2.2 Pengenalan Kredit Macet Kredit Macet adalah suatu keadaan dimana nasabah sudah tidak sanggup membayar sebagian atau seluruh kewajibannya kepada bank seperti yang telah diperjanjikan. Penyebab Kredit Macet yaitu Error Omission (EO) Timbulnya kredit macet yang ditimbulkan oleh adanya unsur kesengajaan untuk melanggar kebijakan dan prosedur yang telah ditetapkan dan Error Commusion Timbulnya kredit macet karena memanfaatkan lemahnya peraturan atau ketentuan yaitu memang belum ada atau sudah ada, tetapi tidak jelas [6]. 3 Pengelolaan Proyek 3.1 Nama Proyek dan Stakeholder Proyek ini adalah Aplikasi Pengambilan Pola Keputusan Nasabah yang berhak menerima Kredit Menggunakan Algoritma ID3 Pada Bank Mandiri Pangkalpinang. Stakeholder dalam proyek ini adalah staff mandiri pangkalpinang, sponsor dan client. 3.2 Manajemen Cakupan Proyek Aplikasi dibangun menggunakan bahasa pemrograman Java yang dapat membuat seluruh bentuk aplikasi, dan lainnya, sebagaimana dibuat dengan menggunakan bahasa pemrograman konvensional yang lain. dan menggunakan database Mysql sebagai database server.

4 3.2 Bagan Organisasi Sumber Daya Manusia ( SDM ) PROJECT DEVELOPER PROJECT MANAGER Hari Wibawa 1. Umi casandra 2. Rahayu 3. Andi Ari 4. Nanang Basir 5. Habib 1. Analis 2. System Designer 3. Programmer 4. Tester 5. Trainer Gambar 1 : Bagan Organisasi SDM 3.3 Gantt Chart Gambar 2 : Gantt Chart 3.4 RAB ( Rencana Anggaran Biaya ) Total RAB yang digunakan dalam proyek ini sebesar Rp ,- meliputi biaya mulai proyek, perencanaan, pelaksanaan terdiri dari analisa system, desain database system, Desain antarmuka system, koding/testing, dokumentasi system, beserta implementasi dan penutupan proyek.

5 4 Hasil dan Pembahasan 4.1 Analisis Data Beberapa komponen variabel yang digunakan dalam penelitian ini yaitu : a. Pendidikan b. Penghasilan Perbulan c. Status Perkawinan d. Status Rumah e. Lama Tinggal f. Pekerjaan g. Keputusan Cara/rumus perhitungan dalam pembentukan pohon keputusan dengan menggunakan algoritma ID3 untuk menyelesaikan permasalahan yang ada : Gain(S,A) = Entropy(S) n Si i=1 S * Entropy(Si) Keterangan : S : himpunan kasus A: atribut n : jumlah partisi atribut A Si : jumlah kasus pada partisi ke-i S : jumlah kasus dalam S n Entropy(S) = i=1 pi log ₂pi Keterangan : S : himpunan kasus A : fitur n : jumlah partisi S pi: proporsi dari Si terhadap S 4.2 Perancangan Alur Sistem Data Mining Identitas Nasabah Masukan Identias Data Keputusan Nasabah Informasi Data Keputusan Nasabah Pembentukan Data Pola Keputusan Aturan Data Pola Keputusan Gambar 3 : Flowchart Sistem

6 4.3 Perancangan Use Case Diagram Proses Pola Data Visualisasi Pohon P2SDM Pola Keputusan Data Nasabah 4.4 Perancangan Aktivity Diagram Gambar 4 : Use Case Diagram Nasabah P2SDM isi formulir pengajuan kredit Serahkan formulir beserta syarat pengajuan kredit Terima formulir beserta persyaratan Cek formulir pengajuan kredit beserta persyaratan [Tidak Sesuai syarat] [Sesuai syarat] terima konfirmasi pembatalan Lakukan Pembatalan pengajuan Kredit Input identitas nasabah Pilih data nasabah untuk proses pola keputusan [Berpotensi Kredit] [Tidak Berpotensi Kredit] terima konfirmasi pembatalan Lakukan pembatalan Buat Surat perjanjian kontrak Terima Surat Perjanjian kontrak Serahkan surat perjanjian kontrak Gambar 5 : Aktivity Diagram 4.5 Rancangan Layar Halaman Utama Aplikasi Penentuan Pola Keputusan Nasabah Yang Berpotensi Kredit Macet Proses Data Visualisasion Pohon Pola Keputusan Identitas Nasabah Gambar 6 : Rancangan Layar halaman utama

7 4.6 Rancangan Layar Proses Data Form Proses Data No Status Perkawinan Penghasilan Perbulan Status Rumah Lama Tinggal Pendidikan Pekerjaan << Auto >> Keterangan Ya= Ya Berpotensi Kredit Macet Tidak= Tidak Berpotensi Kredit Macet Keputusan Ya Tidak Simpan Baru Ubah Keluar Hapus No Status Kawin Pendapatan/bulan Status Rumah Lama Tinggal Pendidikan Pekerjaan Keputusan Proses Jumlah Data : << Auto >> 4.7 Rancangan Layar Visualisasi Pohon Form Visualisasi Pohon Usia tes Usia sdte Gambar 7 : Rancangan Layar Proses Data Tampilkan 4.8 Rancangan Layar Pola Keputusan Form Pola Keputusan Gambar 8 : Rancangan Layar Visualisasi Pohon No Rek Nama Status Perkawinan Cari Penghasilan Perbulan Lama Tinggal Pendidikan Pekerjaan Keputusan Mulai Proses Tutup Gambar 9 : Rancangan Layar Pola Keputusan

8 4.9 Rancangan Layar Identitas Nasabah Form Identitas Nasabah No Rek Nama Status Perkawinan << Input >> << Input >> Penghasilan Perbulan Status Rumah Lama Tinggal Pendidikan Pekerjaan Baru Ubah Simpan Keluar Hapus Tabel Identitas Nasabah No rekening Status Kawin Pendapatan/bulan Status Rumah Lama Tinggal Jumlah Data : << Auto >> 5 Kesimpulan dan Saran Gambar 10 : Rancangan Layar Identitas Nasabah Dengan diterapkan atau dibangunnya aplikasi pengambilan pola keputusan nasabah yang berhak menerima kredit menggunakan algoritma ID3 pada Bank Mandiri Pangkalpinang berbasis Java ini dapat digunakan untuk membantu Bank Mandiri Pangkalpinang terutama bidang Marketting dalam menentukan keputusan nasabah yang akan mengajukan kredit. Perancangan pohon keputusan memudahkan dalam proses penalaran penentuan nasabah yang akan mengajukan kredit. Sedangkan saran yang dapat dipakai sebagai acuan dalam pengembangan aplikasi ini di masa yang akan datang yaitu Keamanan aplikasi harus terjamin sehingga isinya dapat dipertanggung jawabkan dan melakukan backup secara rutin. Daftar Pustaka [1] Anonim Bab 10 Data Mining. [Online] Tersedia. [17 April 2013 ] [2] Shaufiah Pengenalan Data Mining. [Online] Tersedia. [7 Mei 2013] [3] Said.F.L Data Mining Konsep Pohon Keputusan. Tersedia. [20 April 2013] [4] Larose.D.T Discovering Knowledge in Data An Introduction to Data Mining. Amerika : John Willey & Sons [5] Basuki Decision Support Sistem. Tersedia: [14 April 2013] [6] Kusrini, Luthfi Algoritma Data Mining. Yogyakarta: Andi