PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5

UNTUK MEMPREDIKSI KELANCARAN PEMBAYARAN NASABAH

(Studi Kasus: BMT Al Ikhwan)

NASKAH PUBLIKASI

diajukan oleh

Tria Septia Depi

11.11.5403

kepada

JURUSAN TEKNIK INFORMATIKA

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

AMIKOM YOGYAKARTA

YOGYAKARTA

2014

1

APPLICATION OF C4.5 ALGORITHM USING DATA MINING

TO PREDICT SMOOTHNESS CUSTOMER PAYMENT

(CASE STUDY: BMT AL IKHWAN)

PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK

MEMPREDIKSI KELANCARAN PEMBAYARAN NASABAH

(Studi Kasus: BMT Al Ikhwan)

Tria Septia Depi

Kusrini

Jurusan Teknik Informatika

STMIK AMIKOM YOGYAKARTA

ABSTRACT

In the field of business finance credit unions exist in BMT Al Ikhwan had experienced problems in determining the prospective new customers, especially in their transactions when the customer wants to borrow. Issues that arise include the customer can not afford to pay anymore money that has been borrowed earlier. To the agency and client side experience disappointment, consequently comfort perceived by the customer and the institution itself disrupted. By designing this application because it would be seen from a number of factors that support the decision of one of the types of work and the amount of the loan to strengthen the customer is able to smooth the process of loan payment or not.

The problems that occur are dealt with a case that is capable of searching for data reinforce the results of the decision and the expected decision technique C4.5 algorithm generated will be accurate.

The results of this study will produce an output that is if the prospective customer the customer meets the criteria of BMT Al-Ikhwan it will be recommended to loan capital, however if it does not meet the required standards, the institution prospective customer will not be recommended in lending capital.

Keywords: Data Mining, Job Type, Loan Amount, the C4.5 algorithm, Cooperative

2

1. Pendahuluan

Perkembangan ekonomi saat ini sangat pesat, itu terjadi karena kebutuhan dari

masyarakat sangat meningkat. Dengan demikian akibat dari perkembangan yang pesat

tersebut bukan tidak mungkin dapat menimbulkan permasalahan ekonomi dari sebagian

masyarakat dalam memanajemen keuangan dengan baik.

BMT Al Ikhwan merupakan salah satu contoh Lembaga Keuangan Mikro (LKM)

yang mampu mengatasi permasalahan perekonomian dari masyarakat. Terbukti disetiap

periode jumlah calon nasabah mengalami peningkatan. Untuk itu dengan peningkatan

tersebut pihak lembaga terkait harus meningkatkan juga kualitas dari sistem yang

mengelola setiap transakssi yang dilakukan. Oleh karena itu dibutuhkan sebuah sistem

yang dapat membantu memanajemen para nasabahnya, namun pihak lembaga terkait

mengalami kesulitan dalam memprediksi kelancaran pembayaran pinjaman nasabah.

Sehingga dalam mengatur nasabah dalam peminjaman tersebut masih dilakukan secara

manual dengan cara mensurvey tempat tinggal calon nasabah.

Dengan itu aplikasi ini akan membantu pihak lembaga terkait agar dapat

memprediksi kelancaran pembayaran pinjaman yang dilakukan oleh nasabah tersebut,

jadi pihak lembaga terkait dapat mengatasi masalah sedini mungkin sehingga tidak

terjadi ketidak puasan dari nasabah maupun pihak lembaga. Dalam aplikasi ini akan

mengimplementasikan Data Minig menggunakan Algoritma C4.5.

Menurut Han dan Kanber (2006:6) menjelaskan bahwa “Data Mining” merupakan

pemilihan atau “Menggali” pengetahuan dari jumlah data yang banyak. Data Mining

menurut David Hand, Heikki Mannila dan Padhreic Smyth adalah analisa terhadap data

(biasanya data yang berukuran besar) untuk menemukan hubungan yang jelas serta

menyimpulkannya yang belum diketahui sebelumnya dengan cara terkini dipahami dan

berguna bagi pemilik data tersebut (Larose, 2006).

Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon

keputusan, dengan metode pohon keputusan kita dapat mengubah fakta yang sangat

besar menjadi pohon keputusan yang mempresentasikan aturan. Pohon keputusan juga

berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara

sejumlah calon variabel input dengan sebuah variabel target (Kusrini dan Emha Taufiq

Luthfi, 2009).

3

2. Landasan Teori

2.1 Pengertian Data Mining

Data Mining adalah suatu istilah yang digunakan untuk menguraikan penemuan

pengetahuan didalam database. Data mining adalah proses yang menggunakan teknik

statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan

mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terakit dari berbagai

database besar (Turban, dkk.2005).

Menurut Gartner Group data mining adalah suatu proses menemukan hubungan

yang berarti, pola, dan kecenderungan dengan memeriksa dalam sekumpulan besar data

yang tersimpan dalam penyimpanan dengan menggunakan teknik pola seperti teknik

statistik dan matematika (Larose, 2005).

2.2 Pohon Keputusan

Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat

dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi

pohon keputusan yang mempresentasikan aturan. Aturan dapat dengan mudah dipahami

dengan bahasa alami. Dan mereka juga dan diekspresikan dalam bentuk bahasa basis

data seperti Structured Query Language untuk mencari record pada kategori tertentu.

(Kusrini, 2009)

Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan

hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel

target. (Kusrini, 2009)

2.3 Desain Model Aplikasi

Desain model dari aplikasi terdiri dari physical model dan logical model. Physical

model dapat digambarkan dengan bagan alir sistem. Logical model dalam system

informasi lebih menjelaskan kepada pengguna bagaimana nantinya fungsi-fungsi di

system informasi secara logika akan bekerja. Logical model dapat digambarkan dengan

DFD (Data Flow Diagram) dan kamus data (Data Dictionary).

2.4 Algoritma C4.5

Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah

sebagai berikut.

4

a. Pilih atribut sebagai akar.

b. Buat cabang untuk tiap-tiap nilai.

c. Bagi kasus dalam cabang.

d. Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki

kelas yang sama.

Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut-

atribut yang ada. Untuk menghitung gain digunakan rumus seperti tertera dalam

persamaan 1 berikut.

Keterangan:

S : himpunan kasus

A : atribut

N : jumlah patrisi atribut A

|Si| : jumlah kasus pada partisi ke-i

|S| : jumlah kasus dalam S

Sementara itu, penghitungan nilai entropi dapat dilihat pada persamaan 2 berikut.

Keterangan:

S : himpunan kasus

A : fitur

n : jumlah partisi S

pi :proporsi dari Si terhadap S.

5

3. Analisis dan Perancangan Sistem

3.1 Analisis Sistem

Analisis sistem merupakan suatu tahapan mendeskripsikan data-data yang akan

digunakan sebagai dasar dari suatu perangkat lunak, fungsi dan kinerja, menunjukkan

interface perangkat lunak, membangun batasan yang harus dipenuhi oleh suatu

perangkat lunak. Sedangkan Sistem adalah kumpulan elemen yang saling berhubungan

dan berinteraksi dalam satu kesatuan untuk menjalankan suatu proses pencapaian suatu

tujuan utama (Sutarman, 2012:13). Pengertian ini merupakan pendekatan sistem yang

lebih menekankan pada elemen atau komponennya. Analisis sistem yang di paparkan

dalam pembahasan ini merupakan gambaran secara keseluruhan kendala-kendala yang

ada dalam aplikasi data mining yang berbasis algoritma C4.5 pada sistem BMT Al

Ikhwan. Dengan adanya sistem yang masih bersifat manual mengakibatkan proses

sistem yang terjadi kurang efektif dan efisien

3.2 Analisis Data

Data dari sistem adalah berupa atribut yang dimiliki oleh nasabah, nilai

atributnya,, dan nilai kemungkinannya. Data yang dimaksud adalah data yang

mempunyai minimal dua kolom atribut. Satu kolom sebagai kolom atribut masukkan dan

satu kolom sebagai kolom atribut target. Dari setiap kolom terdapat nilai-nilai yang akan

dipergunakan untuk kalkulasi, dan nilai dari setiap atribut harus bersifat diskret.

Beberapa komponen variabel yang digunakan yaitu:

1. Tahun

Variabel tahun berisi seluruh kemungkinan tahun dari setiap nasabah. Variabel

yang sudah ditentukan pada program berdasarkan hasil pengelompokan survei

yaitu tahun 2012.

2. Jenis Kelamin

Variabel ini berisi data jenis kelamin dari nasabah yang digunkan untuk

pembentukan keputusan. Pengelompokkan yang ada berdasarkan ketentuan

oleh program yang dibuat yaitu L (laki-laki) dan P (perempuan).

3. Jumlah Pinjaman

Variabel ini berisi data jumlah pinjaman yang di ajukan oleh nasabah yang telah

disetujui dari pihak BMT Al Ikhwan. Minimal jumlah peminjaman yaitu Rp.

500.000 sampai Rp.5000.000, Rp.6000.000 sampai Rp.15.000.000,

Rp.16.000.000 sampai Rp.50.000.000 dan Rp.51.000.000 sampai

Rp.150.000.000.

4. Jenis Pekerjaa

6

5.

Variabel ini berisikan jenis pekerjaan dari nasabah. Pengelompokkan yang ada

berdasarkan Jasa, Pedagang dan Produsen.

6. Jenis akad

Variabel ini berisi kesepakatan antara nasabah dan pihak BMT untuk memenuhi

hak dan kewajiban dari masing masing pihak, atau dengan kata lain jenis akad ini

merupakan perjanjian lama angsuran dari pihak nasabah dan pihak BMT.

Pengelompokkan yang ditentukan adalah Murobahah, Ijaroh, Al Hiwalah.

7. Karakter

Variabel ini berisikan jenis karakter dari nasabah. Pengelompokkan yang ada

terdiri dari dua karekter yaitu bagus dan bermasalah.

8. Keputusan

Variabel ini merupakan data yang berfungsi untuk menentukan hasil keputusan.

Dalam pengelompokan data sudah ditentukan secara tetap agar tidak terjadi

kesalahan dalam perhitungan proses program. Data keputusan hanya memiliki

dua buah nilai yaitu “YA” dan “TIDAK”.

3.3 Analisis Model

Kebutuhan masukan dari sistem adalah berupa atribut yang dimiliki oleh sebuah

variabel, nilai atribut, dan nilai kemungkinannya yang dibuat kedalam sebuah data tabel.

Data tabel yang dimaksud adalah data yang mempunyai minimal dua kolom atribut. Satu

kolom atribut masukan dan satu kolom sebagai atribut target. Dari setiap kolom terdapat

nilai-nilai yang akan dipergunakan untuk kalkulasi, dan nilai dari setiap atribut harus

bersiat rahasisa.Berikut adalah data untuk menentukan kelancaran pembayaran atau

tidaknya dari suatu nasabah.

Di bawah ini adalah cara perhitungan menggunakan algoritma C4.5, perhitungan

ini dilakukan dari data yang terdapat dalam skripsi.

7

Tabel 1 Perhitungan Node 1

Jml

Kasus Yes No Entropy Gain

(S) (S1) (S2)

node 1 15 9 6 0.970950594

Tahun 0

2012 15 9 6 0.970950594

Jk 0.003396422

L 3 2 1 0.918295834

P 12 7 5 0.979868757

Karakter 0.603632261

Bagus 9 9 0 0

Bermasalah 6 2 4 0.918295834

Pekerjaan 0.087943095

Pedagang 8 6 2 0.811278124

Jasa 4 2 2 1

Produksi 3 1 2 0.918295834

Jml Pinjaman 0.087943095

500.000-5.000.000 8 6 2 0.811278124

16.000.000-60.000.000 3 1 2 0.918295834

6.000.000-15.000.000 2 1 1 1

61.000.000-160.000.000 2 1 1 1

Jenis Akad 0.019973094

Murobahah 9 6 3 0.918295834

Ijaroh 2 1 1 1

Al Hiwalah 4 2 2 1

8

Dari hasil perhitungan yang dilakukan dari tahap ke tahap maka dapat dihasilkan

pohon keputusan akhir seperti dibawah ini.

Karakter

1.1

Jumlah

Pinjaman

Bermasalah

TidakTidak Ya

Bagus

Ya

1.1.1

Jenis

Pekerjaan

5rts sd 5jt6jt sd 15jt

16jt sd 60jt 61jt sd 160jt

Ya Tidak Ya

Pedagang Jasa Produksi

Gambar 3 Pohon Keputusan Akhir

4. Implementasi dan Pembahasan

Tahap implementasi sistem merupakan tahap meletakkan sistem agar siap

dioperasikan setelah melakukan analisis dan perancangan secara rinci dengan

menggunakan teknologi yang dipilih. Tahap ini termasuk kegiatan menulis kode program.

Implementasi juga merupakan penerapan dari elemen-elemen yang telah didalam bentuk

pemrograman untuk menghasilkan suatu tujuan berdasarkan kebutuhan pembuatan

sistem.

Tahapan implementasi dilakukan ketika sistem selesai dan telah melalui tahap

pengujian program. Sehingga sistem tersebut siap untuk digunakan. Pengujian sistem

dilakukan untuk mengetahui apakah program telah bebas dari kesalahan-kesalahan

sebelum diterapkan. Kesalahan program yang mungkin terjadi adalah kesalahan

(syntax). Yakni kesalahan pada penulis source code program dan kesalahan pada saat

9

program sedang berjalan (runtime), yaitu kesalahan pada saat execubale program

dijalankan.

4.1 Hasil dari Pengetesan Program

Beberapa hasil dari pengetesan program yang dihasilkan yaitu sebagai berikut:

1. Data Nasabah

Data nasabah adalah data kasus dari nasabah yang akan dilakukan perhitungan

menggunakan teknik Algoritma C4.5 dan akan membentuk suatu pohon

keputusan. Dibawah ini adalah hasil uji dari sistem saat data kasus dimasukkan

dalam sistem.

Gambar 3.1 Data Kasus Nasabah

2. Pohon Keputusan

Hasil uji dari pohon keputusan dapat berjalan dengan baik serta mampu

menampilkan hasilnya. Pohon keputusan ini didapat setelah data kasus

sebelumnya selesai dilakukan perhitungan menggunakan teknik algoritma c4.5.

Dibawah ini adalah tampilan pohon keputusan dari sistem.

10

Gambar 3.2 Pohon Keputusan

3. Testing

Form Testing ini di gunakan untuk menguji ketika calon nasabah akan melakukan

transaksi dan melihat apakah calon nasabah tersebut berhak di beri rekomendasi

atau tidak. Selain itu jika calon nasabah tersebut di rekomendasikan maka

datanya tersimpan otomatis pada database dan jika tidak direkomendasikan

maka data tidak tersimpan ke database. Proses dari form ini dilihat dari rule

pohon keputusan yang telah terbentuk pada menu C45. Ketika dilakukan

pengetesan, program ini dapat berjalan dengan baik seperti yang terlihat pada

gambar dibawah ini.

Gambar 3.3 Hasil Uji Testing

11

5. Penutup

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan dapat

diambil kesimpulan, antara lain:

1. Sistem mampu melakukan prediksi calon nasabah yang akan melakukan

transaksi. Prediksi yang dilakukan berdasarkan rule pohon keputusan yang

terbentuk sebelumnya.

2. Sistem mampu mengimplementasikan pohon keputusan menggunakan algoritma

C4.5 dengan cara menginputkan data kasus yang akan dilakukan prediksi.

3. Perancangan pohon keputusan memudahkan dalam proses penalaran penentu

pola keputusan yang terbentuk.

4. Data yang dapat diambil hanya file yang berekstensi *.csv (Comma Delimited).

5. Sistem ini dapat mengelompokkan nasabah yang ingin di tampilkan berdasarkan

nomor identitas dan karakter.

6. Perhitungan yang di hasilkan oleh sistem sama dengan perhitungan yang

dilakukan manual.

7. Sistem dapat melakukan testing atau kelayakan calon nasabah apakah di

rekomendasikan untuk menjadi anggota atau tidak. Form testing mengambil

acuan dari rule keputusan yang telah dibentuk sebelumnya.

8. Pada program yang telah dibuat, semua komponen dapat berjalan dengan baik

dan sesuai dengan hasil output yang diinginkan.

5.2 Saran

Mengingat keterbatasan yang dimiliki oleh penulis, baik pengetahuan, waktu,

maupun pemikiran, maka penulis dapat memberikan beberapa gambaran sebagai saran

yang dapat dipakai sebagai acuan dalam pengembangan aplikasi ini di masa yang akan

datang, antara lain:

1. Selama melakukan penelitian terdapat variabel yang dibutuhkan namun tidak

dimiliki oleh bagian administrasi dan keuangan. Oleh karena itu saran untuk BMT

Al Ikhwan adalah agar menambahkan variabel yang di butuhkan misalkan

penambahan variabel angsuran. (perlu penyesuaian lagi).

2. Menyempurnakan segala kekurangan dari program yang belum diketahui oleh

penulis. Seperti menambah variabel-variabel data dari sosial dan psikologi calon

nasabah yang analisanya dapat dilakukan pada jenjang lebih lanjut.

3. Untuk pengembangan sistem sebaiknya tampilan di buat lebih menarik dari

sistem ini karena tampilannya masih dinilai sederhana.

12

Daftar Pustaka

BMT Al Ikhwan. http://bmt-alikhwan.com/. Diakses tanggal 20 Mei 2014.

Han, J. dan Kamber, M. (2006), Data mining: Concepts and techniques

(2nd ed,),Elsevier Inc. diakses dari

http://www.cs.uiuc.edu/homes/hanj/bk2/toc.pdf#page=1&zoom=auto,0,843 pada

tanggal 15 November 2013

Jefri. (2013). Implementasi Algoritma C4.5 Dalam Aplikasi Untuk Memprediksi Jumlah

Mahasiswa Yang Mengulang Mata Kuliah. Yogyakarta : STMIK AMIKOM.

Kusrini dan Luthfy, E.T. 2009. Algoritma Data Mining. Yogyakarta: Andi.