Sistem Pendukung Keputusan Kredit Usaha Rakyat PT. Bank Rakyat Indonesia Unit Kaliangkrik Magelang

Agung Nugroho, Kusrini Kusrini, M. Rudyanto Arief

Abstract


Banyak faktor dan variabel yang mempengaruhi risiko kredit dalam pengambilan keputusan pada permasalahan Kredit Usaha Rakyat (KUR). Faktor-faktor yang digunakan sebagai dasar penilaian Kredit Usaha Rakyat pada PT.Bank Rakyat Indonesia Unit Kaliangkrik menggunakan prinsip dasar yang dikenal dengan prinsip “5 of Credit” yaitu Character, Capacity, Capital, Condition dan Collateral. Dari factor-faktor yang digunakan sebagai dasar penilaian kredit, digunakan metode Mining Classification Rule dalam membuat Sistem Pendukung Keputusan pemberian KUR. Terdapat beberapa algoritma yang dapat digunakan dalam data mining untuk metode klasifikasi salah satunya adalah algoritma k-nearest neightbor. Konsep sistem pendukung keputusan pemberian KUR ini dirancang dapat melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut dan memberikan solusi nasabah yang layak menerima KUR berdasarkan masukan dari user dengan menggunakan metode k-nearest neighbors (knn). Data-data transaksi pembayaran nasabah lama akan dijadikan sebagai data training dimana sebelumnya akan ditentukan kelasnya terlebih dahulu. Penentuan kelas dilakukan dengan proses klasifikasi data berdasarkan kategori status nasabah sesuai jumlah tunggakan pembayaran kreditnya. Dari hasil perhitungan kemiripan kasus antara data calon nasabah baru dengan nasabah lama atau data training menggunakan algoritma K-Nearest Neighbor, hasil dengan nilai tertinggi akan dijadikan acuan seorang decision maker dalam mengambil keputusan.

Many factors and variables that affect credit risk in decision-making on issues People's Business Credit (KUR). The factors are used as the basis of assessment of the People's Business Credit Unit at PT Bank Rakyat Indonesia Kaliangkrik using basic principle known as the principle of "5 of Credit" ie Character, Capacity, Capital, Collateral Condition and. Of the factors that are used as a basis for credit assessment, Classification Rule Mining method used in making the administration of KUR Decision Support Systems. There are several algorithms that can be used in data mining for classification methods one of which is the k-nearest algorithm neightbor. The concept of the provision of decision support system is designed KUR can perform the classification of objects based on distance learning data that is closest to the object and provide a viable solution customers receive KUR based on input from the user by using the k-nearest neighbors (KNN). Payment transaction data will be used as a customer long training data which will be determined prior to first class. Grading is done with the data classification process based on customer status categories according to the amount of credit outstanding payments. From the calculation of the similarity between the case of data with prospective new customers or old customers training data using the K-Nearest Neighbor algorithm, the results with the highest scores will be used as a reference to a decision maker in making decisions.


Full Text:

PDF

References


Abidin, Taufik. 2006. Eksplorasi Data (Data Mining), http://www.keudekupi.com/content/ view/26/1/, diakses 24 Juli 2014.

Kusrini, Hartati, S., Wardoyo, R., Harjoko, A., 2009, Perbandingan Metode Nearest Neighbor dan Algoritma C4.5 untuk Menganalisis Kemungkinan Pengunduran Diri Calon Mahasiswa di STMIK AMIKOM Yogyakarta, Jurnal Dasi, Vol. 10, No. 1.

Leidiyana, H., 2013, Penerapan Algoritma K-Nearest Neighbor untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bemotor, Jurnal Penelitian Ilmu Komputer, System Embedded & Logic, Vol 1, No 1, Hal 65-76.

Sholichah, A., 2009. Data Minning untuk pembiayaan murabahah menggunakan Association Rule, http://lib.uin-malang.ac.id, diakses 26 September 2012.

Pandie, E.S.Y., 2012, Sistem Informasi Pengambilan Keputusan Pengajuan Kredit dengan Algoritma K-Nearest Neighbour (Studi Kasus: Koperasi Simpan Pinjam), Tesis, Magister Sistem Informasi, Universitas Diponegoro, Semarang.

Prasetya, E., 2006, Case Based Reasoning untuk Mengidentifikasi Kerusakan Bangunan, Tesis, Program Pasca Sarjana Ilmu Komputer, Univ. Gadjah Mada, Yogyakarta.

Kusrini, 2007, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi Offset, Yogyakarta.

Kusrini, Luthfi, E.T., 2009, Algoritma Data Mining, Andi Offset, Yogyakarta.

Rahmah, A., 2013, Sistem Pendukung Keputusan Seleksi Masuk Mahasiswa Menggunakan Metode Smarter, Skripsi, Jurusan Pendidikan Matematika, Universitas Pendidikan Indonesia, Bandung.


Refbacks

  • There are currently no refbacks.