Metode Decision Tree Untuk Memprediksi Kelancaran Angsuran Nasabah Pembiayaan Mikro KCP BSI

Aidil Afriansyah; Resty Annisa

doi:10.52303/jb.v4i2.75

Aidil Afriansyah Institut Teknologi Sumatera
Resty Annisa Universitas Lampung

DOI: https://doi.org/10.52303/jb.v4i2.75

Abstract

Nasabah pembiayaan mikro yang ada pada Bank Syariah Indonesia dapat dikatakan sangat banyak, untuk lingkup cabang penelitian ini memiliki 144 nasabah terhitung dari pasca merger BSI yaitu Februari 2021. Permasalahan yang terjadi adalah ketika semakin banyak nasabah pembiayaan mikro yang melakukan restrukturasi maka akan semakin dikit pula bagi hasil yang diterima oleh bank, pada bulan Juni 2022 terhitung ada 10 nasabah pembiayaan mikro yang mengajukan restrukturasi. Oleh karena itu, pihak marketing harus bijak dalam memproses nasabah yang ingin melakukan peminjaman. Dengan menerapkan data mining dengan metode decision tree menggunakan RapidMiner Studi, didapatkan beberapa kesimpulan antara lain. Terdapat aturan pada pemodelan pohon keputusan, dimana keputusan lancar atau macetnya angsuran bergantung pada kondisi jangka waktu dan besar pinjaman. Nilai akurasi hasil dari data prediksi dengan data yang sebenarnya bisa didapat menggunakan RapidMiner Studio dengan presentase akurasi sebesar 93,06%.

References

A. Asraf, “Analisa Kinerja Keuangan Bank Muamalat Indonesia Dibandingkan dengan bank bri,” Jurnal Apresiasi Ekonomi, vol. 8, no. 1, pp. 108–116, 2020.
D. Ismanto and D. K. Laksono, “Analisis Perbandingan Kinerja Keuangan Pada bank umum syariah bumn (bank Bri Syariah, bank syariah mandiri Dan Bank bni syariah),” Jurnal Pasar Modal dan Bisnis, vol. 2, no. 2, pp. 99–114, 2020.
E. Kurniasari, “Prospek masa depan bank syariah di indonesia pasca pemergeran bank-bank syariah bumn,” rechtenstudent, vol. 2, no. 1, pp. 35–45, 2021.
M. Misral, S. Rahmayanti, and N. I. Rahayu, “Analisa Kinerja Keuangan Bank Bumn Dan Bank Swasta Berdasarkan Rasio Keuangan,” Jurnal Akuntansi dan Ekonomika, vol. 11, no. 2, pp. 273–282, 2021.
R. Rahmayati and E. Sriyanti, “Analisa Implementasi Bank garansi pada bank Muamalat Indonesia,” Al-Amwal, vol. 9, no. 2, pp. 175–184, 2021.
E. N. Aisyah, “Model PENDAMPINGAN pembiayaan mikro Pada Mahasiswa Berbasis Entrepreneurship,” El Dinar, vol. 7, no. 1, p. 48, 2019.
T. Badina and U. S. Suharto, “Prospek Asuransi Mikro Dalam mengembangkan Pembiayaan mikro di banten,” Jurnal Riset Akuntansi Terpadu, vol. 13, no. 2, p. 216, 2020.
I. Hartika, “Aplikasi Akad murabahah Pembiayaan mikro syariah pada bank aceh syariah takengon,” Mubeza, vol. 11, no. 2, pp. 7–12, 2022.
J. Eska, “Penerapan data mining untuk prediksi penjualan wallpaper menggunakan algoritma c4.5,” 2018.
S. Amir and H. Abijono, “Penerapan data mining untuk Mendukung Pemasaran produk pinjaman bank,” CAHAYAtech, vol. 7, no. 2, p. 161, 2019.
D. A. Kurnia, “Prediksi Keberhasilan Siswa Menggunakan algoritma decision Tree Berbasis Pemrograman Python,” 2020.
T. Tundo and S. 'Uyun, “Perbandingan decision tree J48, REPTREE, Dan Random Tree Dalam Menentukan prediksi Produksi Minyak Kelapa sawit Menggunakan Fuzzy Tsukamoto,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 3, p. 473, 2021.
H. Rizqifaluthi and M. A. Yaqin, “Process mining Akademik Sekolah menggunakan rapidminer,” MATICS, vol. 10, no. 2, p. 47, 2019.
A. P. Ayudhitama and U. Pujianto, “Analisa 4 Algoritma Dalam klasifikasi liver menggunakan RAPIDMINER,” Jurnal Informatika Polinema, vol. 6, no. 2, pp. 1–9, 2020.
J. A. Ginting, “DATA MINING UNTUK ANALISA PENGAJUAN KREDIT DENGAN MENGGUNAKAN METODE LOGISTIK REGRESI,” Jurnal Algoritma, Logika dan Komputasi, vol. 2, no. 2, Nov. 2019, doi: 10.30813/j-alu.v2i2.1845.