1
BAB I PENDAHULUAN
1.1 Latar Belakang Beredarnya iklan penawaran kepemilikan kendaraan sepeda motor yang cukup menarik dengan menawarkan berbagai syarat kemudahan pembayaran membuat bagi sebagian orang menjadi tertarik untuk mewujudkan impian memiliki kendaraan sebagai salah satu kebutuhan alat transportasi untuk berbagai kepentingan,
melalui
pengajuan
permohonan
pembiayaan
kredit
pembelian
kendaraan bermotor pada perusahaan pembiayaan (leasing company). Seiring dengan terus bertambahnya jumlah data calon debitur baru yang mengajukan permohonan pembiayaan, maka pihak managemen perusahaan membutuhkan sebuah alat bantu pengambilan keputusan (decision support tool) yang dapat memperkirakan dengan cepat manakah calon debitur baru yang mampu melunasi kredit.
Perusahaan
juga
berusaha
meminimalisir
kesalahan
dalam
proses
pemilihan calon debitur yang berpotensi terjadinya kredit macet sehingga merugikan
perusahaan
dan
tentunnya
berpengaruh
pada
kondisi finansial
perusahaan. Istilah debitur menurut undang-undang no.10 tahun 1998 tentang perubahan atas undang-undang nomor 7 tahun 1992 tentang perbankan adalah nasabah yang memperoleh fasilitas kredit atau pembiayaan berdasarkan prinsip syariah atau yang dipersamakan dengan itu berdasarkan perjanjian bank dengan nasabah yang bersangkutan. Definisi kredit menurut kamus besar Bahasa Indonesia adalah pinjaman uang dengan pembayaran pengembalian secara mengangsur. Laporan
penelitian
akan
membahas
proses
generate
decision
menggunakan algoritma C4.5 dan memanfaatkan sekelompok Training
tree data
debitur pembiayaan kendaraan sepeda motor. Pohon keputusan tersebut kemudian diinterpretasikan kedalam bentuk aturan-aturan keputusan (rules) yang dapat digunakan sebagai acuan dalam dalam menentukan kelayakan calon debitur baru (test dataset).
2
Nilai pelunasan mengacu pada nilai parameter tujuan (target variable) yakni status kredit. Bila nilai status kredit adalah lunas berarti diperkirakan calon debitur mampu melunasi kredit, akan tetapi jika parameter status kredit bernilai tidak lunas berarti diperkirakan calon debitur tidak mampu melunasi kredit. Menurut Berry dan Linoff (2004) pohon keputusan (decision tree) dapat membagi kumpulan data yang besar (Training himpunan record
data) menjadi himpunan-
yang lebih kecil dengan menerapkan serangkaian aturan
keputusan (rules), sehingga anggota himpunan hasil menjadi mirip satu dengan lainnya
dengan memperhatikan pada variabel tujuannya
(target
variable).
Decision tree merupakan salah satu metoda klasifikasi data mining yang popular digunakan karena mudah diinterprestasikan oleh manusia dengan konsep dasar mengubah data menjadi pohon keputusan dan aturan-aturan keputusan, mudah mengintegrasikan dengan sistem basis data dan memiliki tingkat ketelitian (akurasi) yang baik diatas 90% (Jaber et.al, 2012). Peranan pohon keputusan sebagai alat
bantu pengambilan keputusan (decision
support
tool) telah
dikembangkan oleh manusia untuk membantu mencari dan membuat keputusan masalah dengan memperhitungkan berbagai macam faktor yang ada di dalam lingkup masalah tersebut. Kemampuan algoritma C4.5 untuk menghasilkan pohon keputusan,
lalu
diinterpretasikan
menjadi aturan-aturan
keputusan
penilaian
kelayakan calon debitur baru menjadi alasan penggunaan metoda decision tee C4.5. Beberapa penelitian yang sudah pernah dilakukan dan berkaitan dengan metoda klasifikasi pencarian
data mining yang digunakan dalam penelitian. Strategi
menggunakan
kombinasi
dua
buah
algoritma
GATS
(Genetic
Algorithm-Tabu Search) dan C4.5 dengan data percobaan dataset www, mail, p2p sehingga meningkatkan komputasi kinerja tanpa dampak negatif pada akurasi klasifikasi (Chen et.al, 2008). Penelitian lainnya dilakukan Liu dan Jiang (2009) menggunakan algoritma C4.5 untuk peramalan resiko keuangan pada informasi real dari akuntansi pada perusahaan keuangan pada tahun 2005 dan 2006, melibatkan indeks finansial dan non-finansial sebagai objek penelitian, dan hasilnya kemampuan peramalan pada penelitian lebih baik daripada hanya
3
melibatkan indeks finansial saja. Penelitian selanjutnya menggabungkan algoritma C4.5 dan teori himpunan kasar (rough set theory) dan hasilnya berupa optimasi algoritma C4.5 sehingga memiliki akurasi yang lebih tinggi dibandingkan hanya menggunakan algoritma C4.5 (Zhuoyuan dan Lie, 2012). Dengan penerapan prototipe aplikasi prediksi pelunasan kredit calon debitur bermanfaat bagi manajemen perusahaan pembiayaan kendaraan sebagai alat bantu pengambilan keputusan penilaian salah satu syarat kelayakan calon debitur.
1.2 Rumusan Masalah Dari latar belakang di atas, maka rumusan masalah yang menjadi fokus dalam penelitian adalah memperkirakan calon debitur baru yang mampu melunasi kredit pembiayaan kendaraan menggunakan decision tree C4.5.
1.3 Batasan Masalah Untuk mendapatkan hasil penelitian seperti yang diharapkan serta penelitian yang terarah, maka permasalahan dalam penelitian 1.
akan dibatasi sebagai berikut:
Training data pembiayaan kredit sepeda motor berjumlah sekitar 65.534 record bersumber dari data centre perusahaan PT. Para Finance yang berlokasi di Graha Para Finance, Jalan Wijaya I nomor 19 kebayoran baru Jakarta Selatan dan bergerak dibidang bisnis pembiayaan kepemilikan kendaraan bermotor.
2.
Variabel predictor yang digunakan dalam proses klasifikasi hanya terdiri dari 4 variabel yaitu jenis pekerjaan, penghasilan, nilai angsuran dan masa kredit (tenor). Sedangkan sebagai variable tujuan (target variable) adalah status kredit.
3.
Dalam proses klasifikasi nilai kelayakan calon debitur baru yang diperkirakan mampu melunasi kredit tidak melibatkan time data series yakni data histori pembayaran cicilan sejak awal hingga pelunasan, dikarenakan keterbatasan perolehan data dari perusahaan, sehingga sistem yang dibangun tidak digunakan untuk memprediksi potensi resiko kredit seorang debitur semasa proses kredit sedang berlangsung.
4
4.
Fokus penilaian kelayakan adalah disaat awal proses pengajuan kredit oleh calon debitur baru, artinya status nasabah belum sebagai debitur melainkan calon debitur baru, hanya dengan 4 buah variabel predictor sebagai faktorfaktor yang akan diperhitungkan.
5.
Proses
pembentukan
pohon
keputusan
tidak
memanfaatkan
algoritma
pemangkasan pohon (tree pruning) melainkan hanya menggunakan algoritma C4.5 saja (no pruning). Pohon keputusan akan didesain sedemikian rupa sehingga simpul yang memiliki cabang, jumlah cabangnya maksimal 3 node.
1.4 Tujuan dan Manfaat Penelitian Tujuan dan manfaat yang akan dicapai dalam penelitian 1. Membangun
software
yang
adalah :
mampu menghasilkan pohon keputusan
dengan algoritma C4.5 untuk memudahkan dalam memprediksi potensi pelunasan kredit sebagai salah satu kriteria kelayakan calon debitur baru. 2. Menghasilkan sebuah prototipe aplikasi komputer yang bermanfaat bagi seorang manajer perusahaan pembiayaan kendaraan bermotor sebagai pendukung keputusan penilaian salah satu kriteria kelayakan calon debitur baru.
1.5 Kontribusi Penelitian
memberikan kontribusi tentang cara menghasilkan (generate)
pohon keputusan menggunakan algoritma C4.5 dan sekelompok data latih (Training
data)
debitur
pembiayaan
kendaraan
sepeda motor,
kemudian
diinterpretasikan kedalam bentuk aturan-aturan keputusan (rules) yang akan digunakan sebagai acuan dalam mengolah data-data calon debitur baru untuk memperkirakan kemungkinan debitur mampu melunasi kredit kendaraan.
1.6 Metodologi Penelitian Metode pengembangan software yang digunakan dalam penelitian
adalah
systems development life cycle, yaitu suatu metode yang digunakan untuk
5
merancang aplikasi perangkat lunak. Berikut tahapan-tahapan yang akan ditempuh dalam penelitian: 1. Studi literatur dan pengumpulan data Studi literatur dilakukan untuk mempelajari informasi dari literatur-literatur dari berbagai sumber yang berkaitan dengan tema penelitian yang dilakukan dan penerapan metode yang dipakai. Literatur diperoleh dari laporan hasil penelitian ilmiah dan buku. Penelitian akan memanfaatkan histori data debitur pembiayaan kendaraan sepeda motor pada perusahaan pembiayaan PT. Para Finance berjumlah 65535 record. 2. Analisis kebutuhan perangkat lunak Mengetahui kebutuhan perangkat lunak meliputi domain informasi, tingkah laku, unjuk kerja dan antar muka (interface) yang diperlukan. 3. Desain perangkat lunak Proses desain menterjemahkan syarat atau kebutuhan ke dalam sebuah representasi perangkat lunak yang dapat diperkirakan demi kualitas sebelum dimulai pemunculan kode, meliputi struktur data, arsitektur perangkat lunak, representasi interface, dan algoritma. Tools yang digunakan untuk desain system yakni ER-Assistant dan Relationship tools MS.Access 4. Implementasi sistem Proses menterjemahkan desain perangkat lunak ke dalam bentuk mesin (aplikasi) yang mudah difahami dan siap digunakan user. Interbase dan bahasa pemrograman Borland Delphi. 5. Pengujian Sistem Pengujian dilakukan untuk mengetahui nilai akurasi data uji yang dibagi dalam beberapa kategori uji dengan memanfaatkan sejumlah data latih dan data uji yang tersedia
1.7 Sistematika Penulisan Penulisan tesis
dibagi menjadi 7 (tujuh) bab. Pembagian tersebut dapat
dijelaskan dengan struktur sebagai berikut:
6
BAB I. PENDAHULUAN Menguraikan topik penelitian dan mengidentifikasi beberapa faktor/aspek yang terkait permasalahan penelitian. BAB II. TINJAUAN PUSTAKA Mengkaji tentang beberapa penelitian sejenis yang dilakukan sebelumnya dan menerangkan
titik
perbedaan
penelitian
yang
dilakukan
dengan
beberapa
penelitian sebelumnya. BAB III. LANDASAN TEORI Menguraikan core teori yang tepat dengan masalah penelitian dan dielaborasi secara lengkap sebagai dasar dalam pemecahan masalah. BAB IV. ANALISIS DAN RANCANGAN SISTEM Mendeskripsikan fungsioanal sistem yang dibuat, menggambarkan arsitektur sistem, menjelaskan metoda yang digunakan dan melakukan perhitungan manual. BAB V. IMPLEMENTASI Menjelaskan implementasi modul-modul berdasarkan rancangan sistem. BAB VI. HASIL PENELITIAN DAN PEMBAHASAN Menjelaskan proses pengujian sistem dengan beberapa kategori pengujian memanfaatkan kombinasi data latih dan data uji. BAB VII. KESIMPULAN DAN SARAN Mengungkapkan kemampuan dan kekurangan sistem didasarkan dari hasil penelitian yang telah dibahas, serta saran untuk penelitian lanjut dari penelitian untuk perbaikan kekurangan system.
