ANALISA KREDIT MACET PADA LEASING PT FIF DENGAN

METODE CLUSTERING K-MEANS

SKRIPSI

MAFAZI AUFAR SUHARTO

151410180

PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA

PALEMBANG 2019

ANALISA KREDIT MACET PADA LEASING PT FIF DENGAN

METODE CLUSTERING K-MEANS

OLEH :

MAFAZI AUFAR SUHARTO 151410180

Skripsi ini diajukan sebagai syarat memperoleh gelar

Sarjana Komputer Di Universitas Bina Darma

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA

PALEMBANG 2019

ii

iii

iv

v

MOTTO DAN PERSEMBAHAN

MOTTO :

Jadikan akhirat dihatimu dan dunia di tanganmu. Maka dengan itu, anda tidak

akan pernah takut untuk menjalani kehidupan ini dan anda akan berani

untuk menghadapi segala tantangan di dunia ini.

PERSEMBAHAN

Kupersembahkan kepada :

ALLAH SWT

Ayah, Bunda dan Oma ku Tercinta

Ayuk Kakak dan Adik kuTersayang

Dedy Syamsuar,Ph.D

Dr. Edi Surya Negara, M.Kom

Bapak Suryayusra, M.Kom

Sahabat AN-NABA

Teman-teman seangkatan.

Teman-teman di kantor

Almamater Universitas Bina Darma.

vi

KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada kehadirat Tuhan Yang Maha Esa,

atas segala karunia dan rahmat-Nya sehingga penulis dapat menyelesaikan

penyusunan skripsi ini dengan judul “Analisa Kredit Macet Pada Leasing PT.

FIF Dengan Metode Clustering K-Means“.

Selama Pembuatan Laporan Kerja Praktik ini, saya banyak menemukan

hambatan dan kesulitan, namun berkat bimbingan dan pengarahan serta

bantuan dari berbagai pihak, maka dapat saya selesaikan. Untuk itu pada

kesempatan ini, saya ingin menyampaikan ucapan terimakasih kepada :

1. Ibu Dr. Sunda Ariana, M.Pd., M.M. selaku Rektor Universitas Bina

Darma Palembang.

2. Bapak Dedy Syamsuar, Ph.D selaku Dekan Fakultas Ilmu Komputer

Universitas Bina Darma Palembang.

3. Bapak Dr. Edi Surya Negara, M.Kom selaku Kaprodi Sistem Informasi

Universitas Bina Darma Palembang.

4. Bapak Suryayusra, M.Kom selaku Pembimbing Skripsi saya di

Universitas Bina Darma Palembang.

5. Kepada Bapak Timur Dali, M.Kom dan Ibu Fatmawati, M.Kom sebagai

penguji.

6. Ibu Feti Rahmatullah, S.H. M.H. selaku Kepala HRD (Human Resources

Departement) yang memberi saya data di PT FIF Palembang.

7. Keluarga tercinta yaitu Ayah, Bunda, Oma dan seluruh saudara yang

selalu memberikan semangat, nasihat, dan do’a kepada saya agar

sukses menyelesaikan skripsi ini.

8. Teman – teman saya di kantor dan teman –teman seperjuangan saya

di kampus, yang telah memberikan dukungan kepada saya, agar saya

wisuda tahun 2019 ini.

vii

DAFTAR ISI

Halaman

HALAMAN JUDUL ............................................................................................................... i

HALAMAN PENGESAHAN ............................................................................................... ii

HALAMAN PERSETUJUAN ..................................................................................... iii

SURAT PERNYATAAN ORIGINALITAS ............................................................... iv

MOTTO DAN PERSEMBAHAN .............................................................................. v

KATA PENGANTAR .................................................................................................. vi

DAFTAR ISI ................................................................................................................ vii

DAFTAR GAMBAR.............................................................................................................. x

ABSTRAK ............................................................................................................................... xii

BAB I PENDAHULUAN ............................................................................................ 1

1.1.Latar Belakang .............................................................................................. 1

1.2. Rumusan Masalah ...................................................................................... 2

1.3. Batasan Masalah ......................................................................................... 3

1.4. Tujuan dan Manfaat ................................................................................... 3

1.4.1. Tujuan Penelitian ........................................................................... 3

1.4.2. Manfaat Penelitian ........................................................................ 3

1.5. Metodelogi Penelitian ............................................................................... 4

1.5.1. Waktu danTempat Penelitian .................................................... 4

1.5.2. Alat dan Bahan Penelitian ........................................................... 4

1.5.3. Metode Pengumpulan Data ........................................................ 4

1.5.4. Sistematika Penulisan ................................................................... 5

BAB II LANDASAN TEORI ...................................................................................... 7

2.1.Tinjauan Umum ............................................................................................ 7

2.1.1. Definisi Kredit .................................................................................. 7

viii

2.2. Landasan Teori ............................................................................................ 7

2.2.1. Definisi Data ..................................................................................... 7

2.2.2. Database ............................................................................................. 8

2.2.3. Data Mining ....................................................................................... 9

2.2.4. Clustering .......................................................................................... 12

2.2.5. K-Means Clustering ........................................................................ 13

2.2.6. Rapidminer ....................................................................................... 15

2.2.7. CRISP-DM .......................................................................................... 16

2.3. Penelitian Sebelumnya ............................................................................. 18

2.4. Kerangka Berpikir ...................................................................................... 19

BAB III ANALISA DATA MINING .......................................................................... 20

3.1. Data Selection .............................................................................................. 20

3.2. Pre Processing ............................................................................................. 23

3.3. Transformation ........................................................................................... 24

3.4. Analisa Algoritma K-Means .................................................................... 25

BAB IV HASIL DAN PEMBAHASAN

4.1. Data Mining ................................................................................................... 26

4.1.1. Import Data Ke Rapid Miner .............................................................. 27

4.1.2. Penerapan Metode K-Means Menggunakan Aplikasi Rapid

Miner ............................................................................................................ 32

1. Statistik Data Nasabah PT FIF ........................................................ 32

a. Atribut Kualitas ................................................................................. 33

b. Atribut Status Rumah ..................................................................... 34

c. Atribut Status Perkawinan ............................................................ 36

d. Atribut Kartu Kredit ........................................................................ 37

e. Atribut tipe Pekerjaan .................................................................... 39

f. Atribut Jumlah Tanggungan .......................................................... 40

g. Atribut Penghasilan Utama .......................................................... 42

ix

h. Atribut Penghasilan Lain ............................................................... 43

2. Implementasi K-Means ..................................................................... 45

4.1.3. Hasil Evaluasi (Evaluation Result) ................................................... 48

BAB V PENUTUP

5.1. Kesimpulan ................................................................................................... 52

5.2. Saran ............................................................................................................... 52

x

DAFTAR GAMBAR

Gambar 2.1 Classification – Decision Tree ................................................................. 9

Gambar 2.2 Clustering ....................................................................................................... 10

Gambar 2.3 Product Association .................................................................................... 10

Gambar 2.4 Time Series .................................................................................................... 11

Gambar 2.5 Web Navigation Sequence ....................................................................... 11

Gambar 2.6 Ilustrasi Clustering ...................................................................................... 13

Gambar 2.7 Fase CRISP-DM (Larosse, 2006) ............................................................ 17

Gambar 2.8 Kerangka Berpikir ....................................................................................... 19

Gambar 3.1 Data Debitur PT FIF .................................................................................... 22

Gambar 3.2 Data Null Debitur pada PT FIF ............................................................... 24

Gambar 3.3 Contoh Format Data Yang Diterima Oleh Rapid Miner ................. 25

Gambar 4.1 Tahapan Data Mining dan Interpretation Evalution ...................... 27

Gambar 4.2 Format Data Yang Diterima Oleh Rapid Miner ................................ 28

Gambar 4.3 Memilih Menu Add Data ........................................................................... 28

Gambar 4.4 Menentukan Dimana Letak Lokasi data ............................................. 29

Gambar 4.5 Dataset Terbaca Di Rapid MIner............................................................ 30

Gambar 4.6 ReFormat Dataset ........................................................................................ 31

Gambar 4.7 Dataset Berhasil Diimport ....................................................................... 32

Gambar 4.8 Tabel Data Dan ringkasan Statistika Atribut Kualitas ................... 33

Gambar 4.9 Statistik Jumlah Kualitas Pembayaran ................................................ 34

Gambar 4.10 Tabel Jumlah Nasabah Berdasarkan Status rumah ..................... 35

Gambar 4.11 Grafik Nasabah Berdasarkan Status Rumah .................................. 35

Gambar 4.12 Tabel Jumlah Nasabah Berdasarkan Status Perkawinan .......... 36

Gambar 4.13 Grafik Data Nasabah Berdasarkan Status Perkawinan .............. 37

Gambar 4.14 Tabel Data Jumlah Nasabah Berdasarkan Kartu Kredit ............ 38

Gambar 4.15 Grafik Data Nasabah Berdasarkan Jumlah Kartu Kredit ........... 38

Gambar 4.16 Tabel Jumlah Nasabah Berdasarkan Tipe Pekerjaan .................. 39

Gambar 4.17 Grafik Jumlah Data Nasabah Berdasarkan Tipe Pekerjaan ...... 40

Gambar 4.18 Tabel Jumlah Nasabah Berdasarkan Jumlah Tanggungan ........ 41

xi

Gambar 4.19 Grafik Data Nasabah Berdasarkan Jumlah Tanggungan ............ 41

Gambar 4.20 Tabel Jumlah Nasabah Berdasarkan Penghasilan Utama ......... 42

Gambar 4.21 Grafik Data Nasabah Berdasarkan Penghasilan Utama ............. 43

Gambar 4.22 Tabel Jumlah Nasabah Berdasarkan Penghasilan Lain .............. 44

Gambar 4.23 Grafik Data Nasabah Berdasarkan Penghasilan Lain.................. 44

Gambar 4.24 Tabel Atribut terpilih Untuk Dijadikan Atribut Fitur ................. 45

Gambar 4.25 Bagan Proses K-Means di Rapid MIner ............................................ 46

Gambar 4.26 Parameter Setting K-Means .................................................................. 47

Gambar 4.27 Hasil Cluster Model .................................................................................. 48

Gambar 4.28 Detail Anggota Cluster 0......................................................................... 49

Gambar 4.29 Detail Anggota Cluster 1......................................................................... 50

xii

ABSTRAK

Pengkreditan saat ini merupakan suatu bisnis yang diminati oleh masyarakat kita. Setiap harinya masyarakat butuh membeli barang tanpa harus mempunyai uang tunai untuk melunasi barang tersebut. Perusahaan Leasing PT FIF memberikan kemudahan bagi calon nasabahnya untuk dapat membeli kendaraan bermotor. Namun dalam perjalanannya, tidak semua nasabah mampu membayar dengan lancar. Resiko kredit macet ini perlu diketahui dan diminimalisir. Data Mining merupakan cabang Ilmu yang mampu mencari nilai emas dalam data. Dengan clustering K-Means, sebab atau faktor kredit macet dapat diketahui. Dan diharapkan mampu mengurangi rasio berdasarkan hasil analisa data yang dibantu menggunakan tools rapid miner. Kata Kunci : Kredit, Clustering, K-Means, Rapid Miner, Data Mining

xiii

ABSTRACT

Crediting is now a business that is in demand by our society. Every day people need to buy goods without having to have cash to pay off the goods. Leasing company PT FIF makes it easy for prospective customers to be able to buy motorized vehicles. But on the way, not all customers can afford to pay smoothly. This bad credit risk needs to be known and minimized. Data Mining is a branch of science that is able to find the value of gold in data. With K-Means clustering, the cause or factor of bad credit can be known. And is expected to reduce the ratio based on the results of data analysis which is assistedusing rapid miner tools. Keywords: Credit, Clustering, K-Means, Rapid Miner, Data Mining