Konferensi Nasional Sistem Informasi2074, STMIK Dipanegara Makassar, 27 Februari
-
01 Maret 2014
KNSr2014-387 DATA MINING KREDIT USAHA MIKRO DI BANK XXXX Agus Hexagraha #Teknik Informatika, Universitas Pasundan Jalan Setiabudi no. 193 Bandung 40153 hexagraha@rrnpas. ac. id,hexa grahafd,gmail.com
Abstrak Layartan kredit merupakan salah satu produk yang ditawarkan oleh institusi perbankan. Dalam menawarka.n kredit kepada calon debitur tersebut tentunya perbankan menerapkan prinsip kehati-hatian, agar kredit tersebut tepat sasaran dan kelak tidak mengakibatkan kredit yang diberikan kepada kreditur tersebut mengalami kemacetan bayar (non performance loan). Ada lima faktor yang menjadi pertimbangan oleh bank dalam hal pemberian kredit tersebut, khususnya untuk kredit usaha mikro yaittt Character, Capacity, Capital, Collateral, Condition disingkat 5C. Data mining merupakan cara yar,g bisa digunakan untuk menggali pengetahuan yang tersembunyi dari suatu database. Classification merupakan salah satu teknik yang bisa digunakan dalam menggali pengetahuan tersebut. Dengan menggunakan classification data mining terhadap database debitur yang dimiliki oleh bank akan diperoleh pola dalam hal ini Tree. Dengar dihasilkannya pola (dalam hal ini decision tree) , maka decision maker dalam memutuskan aplikasi (permohonan) kredit calon debitur dibantu oleh pola yang berhasil dibentuk sehingga decision maker dapat memutuskan apakah permohonan tersebut approved atau rejected.
Kata Kunci : data mining, classification, 5C, decision tree
Pendahuluan
pada saat terjadi wan-prestasi (ketidakmampuan
Latar Belakang
melakukan kewajiban) antisipasi terhadap resiko yang diterirna atas jaminan tersebut sudah dilakukan dengan memberikan hargayang benar atas properti.
Dalam kehidupan kita sekarang
ini
istilah
kredit perbankan tidak asing lagi. Oleh karena sektor perbankan memegang peranan penting dalam menjaga stabilitas ekonomi negara sehingga sektor
ini
memang perlu mendapat perhatian khusus. Terutama pada Kedit Usaha Mikro (KUM) yang semakin berkembang guna membantu pemerintah
Di Indonesia sekarang ini, studi tentang kredit perbankan masih terus dilalcukan pembenahan menjadi lebih baik lagi, sebab sampai sekarang ini tingkat NPL (Non Performing Loan) yaitu kredit yang bermasalah masih terus diangka > |Y, Hal iri berarti belum ditemukan suatu sistem yang mampu mengakomodir kredit tersebut sehingga resiko yang
Undang-Undang Nomor 20 Tahun 2008 Tentang
diperoleh perbankan dalam pemberian fasilitas kredit semakin kecil. Sehingga muncul sebuah ide
Usaha Mikro, Kecil dan Menengah (UMKM). Kredit Usaha Mikro adalah kredit yang diberikan
dan pemikiran untuk mengimplementasikan masalah ini ke dalam sebuah sistem mengenai penentuan
kepada perorangan untuk memenuhi pengembangan usaha produktif maupun konsumtif skala mikro.
approval credit, atau dalam bahasa sehari-harinya disebut persetujuan kredit yang lebih secure kepada bank, dengan membangun decision tree.
dalam mengentaskan kemiskinan
berdasarkan
Pihak perbankan perlu untuk melakukan suatu
analisa dan perhitungan terhadap resiko yang diterima oleh calon nasabah pada saat pemberian fasilitas kredit. Kredit adalah resiko sehingga itulah yang menjadi dasar perlunya sebuah sistem yang
Identifikasi Masalah
mampu menganalisa resiko tersebut. Misalnya kredit dengan jaminan rumah, tentu harus dilakukan suatu
dibahas dalam penelitian ini diantaranya
studi kelayakan terhadap nilai-nilai dari properti
Bagaimana menentukan kelayakan seorang debitur
tersebut sebelum diterima sebagai jaminan, KNSI 2014
sehingga
Beberapa lingkup permasalahan yang akan :
untuk diberikan fasilitas kredit sesuai
dengan
1.943
Konferensi Nasional Sistem Informasi2OT4, STMIK Dipanegara Makassar,2T Februari
ketentuan-ketentuan perbankan (bankable) darr memegang prinsip prudential banking (kehati-
Gambar
l. Metode
-
01 Maret 2014
Pengembangan DSS
Landasan Teori
hatian).
Bagaimana memperoleh pengetahuan untuk mengidentifikasi calon nasabah bank yang akan diberikan kredit sehingga meminimalkan adanya resiko kredit macet ataupun pemasalahan lain yang mengganggu operasional bank" dengan cara membentuk decision tree. Bagaimana kualitas data belajar yang diperoleh
untuk membangun decision
tree.
data kelayakan debitur dengan membangun decision tree dalam sebuah perangkat lunak yang mudah digunakan. Mengintergrasikan
Tujuan Adapun tujuan dari penelitian ini adalah : Membangun perangkat lunak yang berfungsi sebagai alat banfu pengambilan keputusan bagi pejabat bank untuk pemberian kredit kepada calon nasabah.
Mengimplementasikan algoritma komponen basis pengetahuan
C4.5 sebagai dari Decision
Support System.
ke dalam sebuah database pelanggan untuk mempercepat proses
Mengintegrasikan
pengolahannya dan menyediakan laporan.
Decision Support Systems
Decision Support System (DSS) merupakan sistem yang dimaksudkan unhrk mendukung paru
pengambil keputusan manajerialdalam
situasi
keputusan semiterstruktur. DSS dimaksudkan unfuk
menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka.
Komponen-komponen
DSS terdiri
dari
subsistem yaitu [1] : Subsitem manaj emen data. Subsistem manaj emen model. Subsistem antarmuka pengguna. Subsistem manaj emen berbasis-pengetahuan.
Data Mining
Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suafu basis data dengan melakukan penggalian pola-pola dari
data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan cara mengekstraksi pola yang penting atau menarik dari data yang terdapat dalam
Batasan Masalah
basisdata.[21
ini,
Pada penyelenggaraan batasan permasalahanaya adalah : Pembahasan hanya terbatas pada kredit mikro dan
Decision Tree
Pohon Keputusan (Decision Tree) mentpakan
consumer dimana produk pinjaman bersifat Kredit Investasi (KI) dan atau Kredit Modal
metode klasifikasi dan prediksi yang sangat kuat dan
pengembangan usaha produktif maupun konsumtif skala mikro. Pembahasan hanya terbatas pada peramalan atau
yang sangat besar menjadi pohon keputusan yang
Kerja (KMK) untuk
perhitungan kelayakan pemberian kredit kepada
calon debitur, tidak membahas kredit di perusahaan secara keseluruhan
(kapasitas
melunasi kredit, penagihan kredit, dan lainJain).
terkenal. Metode pohon keputusan mengubah fakta merepresentasikan aturan. Afuran dapat dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari recordpada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan
tersembunyi antara sejumlah calon variabel input Metode Penelitian
Metode dalam pengembangan DSS ini digambarkan sebagai berikut
:
dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan
pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain (J.R Quinlan, 1993).[2]
Algoritma C4.5
Salah satu algoritma induksi pohon keputusan
ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quilan. Dalam proedur algoritma ID3,
input berupa sampel training, label training,
dan
atribut. Algortima C4.5 merupakan pengembangan KNSI 2014
1944
Konferensi Nasional Sistem Informasi20L4, SflullK
dari ID3. Sedangkan pada perangkat lunak open sonrce WEKA mempunyai versi sendiri C4.5 yang
Q,lglgg{, lrfrkr.t-u., 27 Fq!@1
Berikut
tl2l
Tabel I Kriteria Penilaian KUM KRITER Character
=
E*te.u"py{s}
Kolektibilitas
:2-
- EH. I=3'
:*
F--***-"rd F^..- , s.!!trup-1rl.U -= I Pl s r$#E t PI i-t
Kolektibilitas:
1
-
0
Kolektibilitas Capital
Lama Usaha < 2 Lama Usaha >:2
Collateral
LTV>
100%
;-i
LTV WEKA
Capacity
Weka adalah aplikasi data mining open source berbasis Java. Aplikasi ini dikembangkan pertama kali oleh Universitas Waikato di Selaodia Baru sebelum menjadi bagian dari Pentaho. Weka terdiri dari koleksi algoritma machine learning yang dapat digunakan untuk melakukan generalisasi / formulasi dari sekumpulan data sampling. Analisis Sistem Dan Pembangunan Pengetahuan
Knowledge Discovery
In
Databases (KDD)
merupakan metode untuk memperoleh pengetahuan dari basis data yang dibentuk. Dalam basis data ifu terdapat tabel-tabel yang saling berhubungan atau berelasi. Hasil pengetahuan yang diperoleh dalam
proses terse6rl rlapat digunakan sebagai basis pengetahuan (lcnowledge base)
Buruk (Bad)
5
srctropy {5*
Sementara itu, perhitungan nilai entropi ialah sebagai berikut
NILAI
RANGE
IA
E , _,
6.s*r[,5,s]
merupakan kriteria penilaian
terhadap calon debitur :[4]
dikenal sebagai J48.
Untuk memilih akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Unfuk menghitung gain digunakan rumus sebagai berikut
ini
M
unttk
|OOOA
Pendapatan
Baik/Good) Tidak Diketahui (Unknow) Buruk (Bad) Baik(Good) Terpenuhi /Adeorrate'l Tidak Tepenuhi finadeouate)
>
Tinggi (High)
<
Rendah (Low)
DSR 35% Pendapatan
Condition
DSR 35% Tanggungan < 2 Tanggungan > 3
Sedikit (Good) Banvak (Bad)
Algoritma ID3 dan C4.5
ID3 adalah model decision tree (Mitchell, 1997). Dalam ID3 menggunakan kriteria information gain wfiuk memilih atribut yang akan digunakan unhrk pemisahan obyek. Atribut yang mempunyai information gain paling tinggi dibanding atribut yang relatif terhadap set y dalam suatu data, dipilih untuk melakukan pemecahan. Sedangkan C4.5 merupakan pengembangan dari ID3. Berikut merupakan hasil dari aplikasi WEKA
:
keperluan
pengembilan keputusan. Salah satu cara untuk memperoleh pengetahuan tersebut dengan cara menambang data menggunakan pohon keputusan (decision tree).
Pengambilan Keputusan Kredit
ini ditujuan untuk membuat suatu sistem yang berfungsi sebagai alat bantu bagi rnanager dalam mengambil keputusan pemberian Kredit Usaha Mikro (KLIM) kepada calon nasabah. Sistem ini akan melakukan perhitungan teradap hasil penilaian
dari seorang calon nasabah berdasaran kriteriakriteria yang telah ditentuan. Sangat perlu ditekankan disid bahwa sistem yang dibangun
bukan untuk
mengautomatisasi pengambilan
keputusan dengan menggantikan peran manajer,
namun sistem ini merupakan alat bantu bagi manager dalam pengambilan keputusan sehinga manager keputusan yang dihasilkan lebih objektif dan terukur.
Kriteria Penilaian
Gambar 2 Decision Tree Algoritma C4.5
Pembangunan Perangkat Lunak Spesi{ikasi Kebutuhan
Tabel2 Analisa Pengguna pada Perangkat Lunak Tipe Pengquna
Spesifikasi
MMM
Memiliki hak akses verifikasi
(Mikro Mandiri
dan melihat hasil keputusan.
Manager)
MKA
(Mikro
Kredit Analis)
Memilki akses hanya
pada
proses identifikasi dan analisa data.
KNSI 2014
1,945
Konferensi Nasional Sistem Informasi2014, STMIK Dipanegara Makassar, 27 Februari
-
01 Maret 2014
Analisa Pengguna
Interaksi atau Antar Muka Kebuhrhan perangkat lunak adalah kondisi atau kemampuan yang harus dimiliki oleh perangkat lunak untuk memenuhi apa yaag disyaratkan atau diinginkan oleh pemakai. Dalam ini kebutuhan perangkat lunak yang dibutuhkan oleh sistem pengambilan keputusan kredit usaha mikro antara
untukberkomunikasi dengan manusia. Interface diterapkal dalam bentuk aplikasi komputer. Pada tahap ini merupakan penerapan aplikasi dari hasil
lain
perancangan sistem
:
Adanya proses login yang berfungsi
sebagai
Interaksi atau antar muka merupakan salah satu media yang digunakan sistem informasi
yang ada untuk mencapai suatu tujuan yaxg diinginkan. Implementasi
melaksanakan perintah-perintah
keamanan sistem.
Dapat menyajikan semua informasi data calon
yang
secara
terstruktur dari awal sampai akhir.
debitur.
Berfungsi sebagai alat bantu pengambilan keputusan bagi pejabat bank untuk pemberian kredit kepada calon nasabah.
Dapat mengidentifikasi calon debitur yang akan diberikan kredit, sehingga meminimalkan adanya resiko kredit macet.
Mencetak laporan hasil kepuhrsan sesuai dengan kaidah perbankan
(b an kab I e).
Pengujian
Dari serangkaian tahapan pengujian yarrg dilakukan, rnaka akan disimpulkdn bahwa aplikasi yang dibangun sudah memenuhi syarat fungsional karena sudah berjalan sesuai dengan yang diharapkan. Akan tetapi masih memungkinkan terjadinya kesalahan pada sintaks karena penyaringan proses dalam bentuk arahan atau validasi tampilan masih belum maksimal, tetapi
Perancangan Data
secara fungsional sistem sudah dapat menghasilkan
Database atau Basis Data adalah kumpulan data (elementer) yang secara logik berkaitan dalam
keluaran sesuai yang diharapkan.Hasil yarrg diperoleh menggunakan aplikasi DSS ini sebesar
secara
8l 25% data telah sesuai.
terstnrktw dalam domain tertentu untuk mendukung aplikasi pada sistem tertentu. Basis data adalah
Kesimpulan Dan Saran
mempresentasikan fenomena
atau fakla
kumpulan data yang saling
berhubungan,
memberikan reJleksi fakta-fakta yang terdapat di
Kesimpulan
organisasi. Basis data merupakan komponen utama
sistem informasi karena semua informasi untuk pengambilan keputusan berasal dari data di basis data. Pembentukan basis data diawali pada level
Beberapa kesimpulan yang dapat diambil setelah dilakukan pembahasan pada bab-bab
Conceptual Data Model, pemodelan data ini dilakukan dengan menggunakan metode Entity
Algoritma decision tree merupakan salah
Relationship Diagram.
Flowmap Interaksi Perangkat Lunak Flowmap adalah gambaran secara grafik dari langkah-langkah dan urutan-urutan prosedur dari
suafu program. Flowmap perangkat sistem
pendukung keputusan kredit usaha mikro ialah sebagai berikut
:
:LOWMAP INTERAKS] PERANGKAI LUNAK
**t
sebelumnya adalah sebagai berikut: satu
algoritma sistem pendukung keputusan dalam pemecahan masalah pengambilan keputusan kriteria maj emuk (multi kriteria). Implementasi algoritma decision tree pada perangkat lunak Decision Support System yang dihasilkan
WEKA menghasilkan tree (pohon) yang tidak dapat berubah-ubah mengikuti data karena perangkat lwla,k Decision Suppor4 System tidak dapat berinteraksi langsung dengan WEKA. Aplikasi sistem pendukung keputusan untuk menghindari kredit macet (non petforming loan) dapat digunakan sebagai alat bantu dalam pengambilan keputusan kredit bagi calon debihr.
Saran
--;,
H -q
a,,ir
-)
Gambar 3 Sitemap perangkat lunak sistem pengambilan keputusan kredit usaha mikro
KNSI 2014
Dalam pengembangan lebih lanjut program sistem penentuan keputusan pemberian fasilitas
kredit _untuk menghindari kredit macet (non
performing loan),
iaka
diberikan beberapa saran
sebagai berikut:
Aplikasi sistem pendukung keputusan
yang
dibangun tidak memberikan keputusan mutlak.
1.946
Konferensi Nasional Sistem Informasi2074, STMIK Dipanegara Makassar, 27 Februari
-
01 Maret 2014
Sistem hanya menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas, namun tidak untuk menggantikan penilaian dan tidak ditekanlan untuk membuat keputusan.
Pada saat pengambilan keputusan
dengan
pendekatan metode decision tree, tidak menutup
kemungkinan bahwa model-model lainnya ikut dipertimbangkan khususnya.
Daftar Pustaka: t1l Turban, Efrairq E. Aroson, Jay, dan Peng Liang, Ting. 2005. Decision Support Systems
and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas). Yogyakarta : Penerbit Andi.
t2] t3l t4l
Santosa, Budi. 2007. Data Mining
:
Telozik
Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta : Graha Ilmu. Santosa,
Budi. 2007. Data Mining Terapan
dengan MATLAB. Yogyakarta : Graha Ilmu.
Mandiri. 2011. Manual Produk Kredit Mikro. Jakarta
: 005/I(RD/I\4RB.MBD/201 I
Tanggal
26Mei20ll.
KNSI 2014
1947
