i:r ;::j
:
:
I*t *,s1* N\i:t',.r.r .,;t:: j.'.:::;_: .
:::.
$
,si
iitil:Iiii
ffi w--**wt$$ffitwl"&f, H
il*-reffi
;:,ffi $'
) .t,
-
)
Konferensi Nasionai Sistem Informasi 20'1,4, STMIK Dipanegara Makassar, 27 Februari
- 01 Maret 2014
KNSI2014-387 DATA MINING KREDIT USAHA MIKRO DI BANK XXXX Agus Hexagraha *Teknik Informatika, Universitas Pasundan Jalan Setiabudi no. 193 Bandung 40153 hexagraha@unpas. ac. id,hex a graha(4) gmai l. com
Atrstrak Layanan kredit merupakan salah satu produk yang ditawarkan oleh institusi perbankan- Dalam menawarkan 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 mengalamr kemacetan bayar (non perJbrmance !oan). Ada lima faktor yang menjadi perlimbangan oleh bank dalam hal pemberian kredit tersebut, khususnya untuk kredit usaha mikro yaitu Character, Capacitl;, Capital, Collateral, Condition disingkat 5C. Data mining merupakan cara yang bisa digunakan untuk menggali pengetahuan yang tersembunyi dari suatu database. Classification merupakan salah safu teknik yang bisa digunakan dalanr menggali pengetahuan tersebut. Dengan menggunakan classification data mining terhadap database debitur yung ai-ltiti oleh bank akan diperoleh pola dalam hal ini Tree. Dengan dihasilkannya pola (dalarn hal ini -decisiol tree) , maka decision maker dalatn memutuskan aplikasi (permohonan) kredit calon debitur dibantu oleh poia ya;rg berhasil dibentuk sehingga decision ntaker dapat memutuskan apakah permohonan tersebut apptoved atat rejected.
Kata Kunci : dato mining, classdication, 5C, decision rree
Pendahuluan
pada saat terjadi wan-prestasi (ketidakmanrpuan melakukan keu'ajiban) antisipasi terhaclap resiko
Latar Belakang
yang diterima atas jaminan tersebut sudiih diiakukan dengan memberikan harga yang benar atas propctti.
Dalam kehidupan kita sekalang ini lstilah kredit perbankan tidak asing lagi. Oleh kalcna sekior
perbankan memegang peranall penting dalarn
menjaga stabilitas ekonomi neeara schirlgga sckior
rnemang perlu mendapat perhalian khusr:s. Temtama pada Kedit Usaha N4ikro iKLl\1) leng semakin berkentbang guna niembantr-t i-'enl;i'lni:rh dalam mengentaskan kemiskinan bcrdasar kin Undang-Undang Nomor 20 Tahun 200,! Tcntnng Usaha Mik'o, Kecil dan Nllenengah (LI'Iki\t). Kredit Usaha Mikro adalah kredit .vang diberikarr
ini
kepada perorangan unrllk nlemenuhi pengerrbangen usaha produktif maupurl konsur.ntif skala mikro
Pihak perbankan perlu uniuk melaktrkan suatu
analisa dan perhitungan terhadap rcsiko )'ang diterima oleh calon nasabah pada saat pemberian fasilitas kredit. Kredit arialah resiko sehingga itulah yang menladi dasar perlunya sebuah sislem vang mampu menganalisa resi-}co tersebut. Misalnya kredit dengan jaminan rumah. Ienru hams dilakukan suaru srudi kela-vakan terhadap nilai-nilai dari propeni lersebut sebelum diterima sebagai jaminan, sehingga KNSI 2014
Di Indonesia sekarang ini, studi tentang krcdit perbankan masih terus dilakukan petrbenahan menjadi lebih baik lagi, sebab sampai sckararrg ini tingkat NPL (Non Perfbrrning L-oan) r'aitu kredit yang bernrasalah ntasih terus diangka
-'
11'o
tlal
ini
berarli belum ditemukan sutttt si:tertr )Jir.r ltrilfipil mengakomodir kredit terscbut sehingga lesiko vang
diperoleh perbanl:an daiarr penrberian iirsilitas kredit semakin kecil. Sehingga muncul seL.uah idc dan pemikiran untuk mengimplementasrkan trtasalah
ini kc
dalarn sebuah sistetn trtctrgcnsi 11i-nentuan approval credit, atau dalanr bahasa sehari-harin5'; discbut persetujuan krerlit lang lcbih .recrir..r kcpada bank. dengan rncmbangun deti.>^iotr
1i'ee.
Identifikasi Masalah Beberapa lingkup pemasaiahan vang akan dibahas dalam penelitian ini diintaranva
:
Bagaimana menentukan kela-vakan seoran-q debitur
untuk diberikan fasilitas kredit sesuai dcngan
1943
Konferensi Nasional Sistem lnformasi 2014, STMIK Dipanegara Makassar, 27 Februari
ketentuan-ketentuan perbankan (bonkable) dan 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 permasalahan lain yang mengganSgu operasional bank, dengan cara membentuk decision tree. Bagaimana kualitas data belajar yang diperoleh
Decision Support Systems
Decision Support Systn* (DSS) merupakan sistem yang dimaksudkan untuk mendukung para
pengambil kepufusan manajerialdalam
situasi
Mengintergrasikan
keputusan semitersmrkrur. DSS dimaksudkan untuk menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka.
dengan membangun decision tree dalam sebuah perangkat lunak yang mudah digunakan.
subsistem yaitu [1]
untuk
membangun decision tree. data kelayakan debirur
Komponen-komponen
DSS terdiri
dari
:
Subsitem manajemen data. Subsistem manajemen model. Subsistem antarmuka pengguna.
Tujuan Adapun tujuan dari penelitian ini adalah : Membangun perangkat lunak yang berfungsi sebagai alat bantu pengambilan keputusan bagi pejabat bank untuk pemberian kredit kepada calon nasabah-
Mengimplemenlasikan algoritma konrpcnen Lrasis pengetahuan
C4.5 sebagai dari Deci.sion
Subsistem manaj emen berbasis-pengetahuan.
Data Nlining
Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suaru basis
Support S't'stert.
data dengan melakukan penggalian pola-pola dari
Mengintegrasikan
data dengan tujuan untuk memanipulasi data menjadi infbrrrrasi yang lebih berharga yang diperoleh dengan cara m.:ngekstraksi pola yang
ke dalam sebuah dattrbase pelanggan untuk mempercepat proses pengolahannl,a dan menyediakan laporan.
penting atau menarik dari data yang terdapat dalan.r Batasan Ntasalah
basisdata. [2]
ini, batasan Pada penyelerrggaraan pcrmasalahannr a rrrlalah Pembahasan hanya terbatas pada kredit mikro dan
Decision Tree
:
(:onsume/- ditnana produk pinjarnan bersilat Kredit Investasi 1Kl) dan atau Kredit Modal Kerja (K\,fK) untuk pengembangan usaha ploduktrf maupun konsr-rmtif skala mikt'o. Pembahasan hanva tel-batas pada peramalan atau perhirungan i:eia":akan pemberian kredit kepada
calort dclriiur. tidak mcmbahas kredit perusahaan
se
c:lra keseluruhan
di
(kapastLes
rneluna-si krcdit. penagihan kredit. tlan Iairr-lain).
merepresentasikan atLlran. Aturan dapat dengan mudah dipaharri dcngan bahasa alami. Aturan ,nr juga dapat dieksprcsihan dalarn bentuk bahasa basis
data seperti SQt rintuk mcnclri rccotd pt-tlit kategori tert0ntu. Pohor keputusan juga bcrguna untuk mcngel:splt,riisi ilata. menemukan hubungan terscnrbuuli annril sejunrlah calon variabel input dengan sebulh
Nletode Pcnelitian
Metode dllan
Pohorr Keputusan (Decrslon Tree) merupakan metode klasillkasi dan prediksi yang sangat kuat dan terkenal. Metode pohon kepufusan mengubah fakta yang sansat besar nrenjadi pohon keputusan vang
peni embangan
digambarkan scbagai berikut
:
:
DSS
r iri ial-rel
target. Karena pohi,it
keputusan rnemaii,-Liarr ai'rtara eksplorasi data ttri
clan
pemodcian. ;roliol kepurusan ini sar)gat bagus sebagai langkah lrial dalatr proses pcrnodelan bahkan ketika clita,lrkan sebagai rnoclel akhir dari beberapa tcknik llin i i.R Quinlan, 1993) [2] Algoritnra
L--J.5
Salah satu algiirtura rnduksi pohon keDutusan ID3 (Iterative Dicholtrmrser 3). ID3 dikembangkan oleh J. Ross Quilan Dalarn proedur algoritma ID3.
input berupa sampci trainins, label training, dan atribut. Algortima CJ.-\ merupakan pengembangan KNSI 2014
1944
Konferensi Nasional Sistem Informasi 2OL4, STMIK Dipanegara Makassar, 27 Februari
dari ID3. Sedangkan pada perangkat lunak open source WEKA mempunyai versi sendiri C4.5 yang dikenal sebagai J48. Unruk memilih akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Unruk menghitung gain digunakan rumus sebagai berikut
Berikut
6afn{S,J.i
-
trnrrop1,1{r
3 t.l -
- IEi i=l
Sementara iru, perhirungan sebagai berikut :o
flrrop-rlS) =
01 Maret 2014
kriteria
merupakan
penilaian
terhadap calon debitur :[41
Tabel I Kriteria Penilaian KUM KRITER
NILAI
RANGE
IA
Kolektibilitas: 2-
Character
:l2l
ini
-
Buruk (Bad)
5
Kolektibilitas: I
Errrro;r.r' ,iSii
:0
Kolektibilitas
(Unknow)
nilai entropi ialah
f ni' log:. pi
Baik(Good) Tidak Diketahui
Capital
Lama Usaha < 2 Lama Ijsaha >: 2
Collateral
LTV>
100%
LTV
lOO%
Buruk (Bad) Baik(Good) Terpenuhi (Aciequate)
i=L
\I'EKA
sebelum menjadi bagian dari Pentaho. Weka terdiri dari koleksi aigoritma machine learning yang dapat digunakan untuk melakukan generalisasi / formulasi iiari selc;mpulan data sampling.
(Inadeouate)
Pendapatan >
Capacity
Weka adalah aplikasi data mining open source berbasis Java. Aplikasi ini dikembangkan pertama kali oleh Universitas Waikato di Selandia Baru
Tidak Tepenuhi
Tinggi (High)
DSR 35%
Condition
Pendapatan <
Rendah (Lou,)
DSR 35% Tangsunean < 2 Tangzungan > 3
Sedikit (Good) Banyak (Bad)
Algoritma ID3 dan C4.5
1DJ adalah model decl.rion tree (Mirchell.
Analisis Sistem Dan Pembangunan Pengetahuan
Knowledge Discovery
In
Database.s (KDD)
rnen.rpakan metode untuk memperoleh pengetahuan
dari basis data yang dibentuk. Dalam basis data itu terdapat tabel-tabel yang saling berhubungan atau L.crelasi. Hasil pengetahuan yang diperoieh dalam irroses tersebui dapat digunakan sebagai basis pengetahuan (knowledge ba.se) untuk keperh:an pengembilan keputusan. Salah satu cara untuk rnemperoleh pengetahuan tersebut dengan cara rlenambang data menggunakan pohon keputusan
\991). Dalam ID3 menggunakan krirelia infornatiott gait unruk memilih atribut vang akan digunakan untuk pernisahan obyek. Atribut yang mempunyai information gain paling tinggi dibanding atribut yang relatif terhadap set y dalam suatu data, dipilih untuk melakukan pemecahan. Setianekan C.1.5 merupakan pengembangan dari IDI Berikut merupakan hasil dari aplikasi WEKA : ; ..-..r* l lr*ste.i -l
,
ldcci.sion tree).
: , tutIr
*aro.
I I
!
I'engambilan Keputusan Kredit
ini dinrjuan untuk membuat suaru sistem vtng berfungsi sebagai alat banru bagi manaecr daianr r,:ensambil kepurusan pemberian Kreclit Lisaha \likro (KUlt4) kepada calon nasabah. Sls:tenr iri lkan nrr:lakukan perhitungan teradap hasil peni)ai-in
dari seorang calon nasabah berdasaran krirerrakriteria -vang telah ditentuan. Sangat pcrlLi direkankan disini bahwa sistcm yang Llibangur,
hukan unruk
mengautomatisasi penraltbtlrit kcputusan dengan menggantikan pe ran illitllir-lr r. nal'nun sistem ini merupakan alat bantu b.i-ci nlanager dalam pengambilan kepuiusan schinila kcputusan yang dihasilkan lebih objektii dan lerukur,
Kriteria Penilaian
rr
ffiffi$ffiffi
*""---
fql
,,-,
t ,rf,4,.
"*Jt* hffi
"
M
Grmbar 2 Decision Tree Algori.tna C4. ,5
Pembangunan Perangkat l-unak Spesifikasi Kebutuhan Tabel
I
Analisa Pengguna pada Peranek:ir Lurir,"
Tipe Penssuna
Spesifikasi
MMM
Memiliki hak akses veritliiasr
(Mikro Mandiri UeEeg.)
dan melihat hasil kepurusan
lv{KA
(Mikro
-
Kredit Analis)
Memilki akscs hanya
peria
proses identifikasi dan analjsa da&r.
KNSI 2014
1945
Konferensi Nasional Sistem lnformasi 2074, STMIK Dipanegara Makassar, 27 Februari - 01 Maret 2014
Analisa Pengguna Interaksi atau Antar Muka Kebutuhan perangkat lunak adalah kondisi atau kemampuan yang harus dimiliki oieh perangkat
lunak untuk memenuhi apa yang disyaratkan atau
Interaksi atau antar muka merupakan salah satu media yang digunakan sistem informasi
kebutuhan
untukberkomunikasi dengan manusia. Interface
perangkat lunak yang dibutuhkan oleh sistem pengambilan keputusan kredit usaha mikro antara
diterapkan dalam bentuk aplikasi komputer. Pada tahap ini merupakan penerapan aplikasi dari hasil
diinginkan oleh pemakai.
lain
Dalam ini
:
Adanya proses login yang berfungsi
sebagai
perancangan sistem yang ada untuk mencapai suaru tujuan yatg 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 debirur yang akan diberikan kredit, sehingga meminimalkan adanya resiko kredit macet. Mencetak laporan hasil kepurusan sesuai dengan kaidah perbankan
(b an ka b I e).
Pengujian
Dari
serangkaian tahapan pengujian yang
dilakukan, maka akan disimpulkan bahwa aplikasi yang dibangun sudah memenuhi syarat fungsional
karena sudah berjalan sesuai dengan yang Akan tetapi masih memungkinkan terjadinya kesalahan pada sinraks karena penyaringan proses dalarn bentuk arahan atau diharapkan.
validasi tampilan masih belum maksimal, tetapi
Perancangan Data
secara fungsional sistem sudah dapat menghasilkan
Database atau Basis Data adalah kumpulan daia (elementet') yang secara logik berkaitan dalam mempresentasikan fenomcna atau iakta secara terstruktur dalam dontai, tertennl untuk mendukung
aplikasi pada sistem tefientu. Basis data adalah
lc.rmpulan data yang saling
keiuaran sesuai yang diharapkan.iiasil yang diperoleh rnenggunakan aplikasi DSS ini sebesar 8 I .250 o
datr tclah sesuai.
Kesimpulan Dan Saran
berhubungan,
memberikan reJleksi fakta-takta yang terdapat di organisasi. Basis data merupakan komponen utarna
Kesimpulan
sistern informasi karena semua inlbrtnasi untuk
Beberapa kcsimpulan yang dapat iiiambii setelah dilakukan pembahasan pada bab-bab
pengambilan keputusan berasal dari data di basis data. Pembentukan basis data diawali pada level Conceptual Data Model, pemodelan data ini dilakukan dengan menggunakan metode Entitlt ReIationship Diagram.
sebelumny'a adalah sebagai berikut:
Algoritma decision tree mcrupakan salah
satu
algoritma sistem pendukung keputusan dalaln pemccahan rnasalah pcngambilan kcputusan kritcria rna.jcrnuk (mrrlti krireria).
Florvmap Interaksi Perangkat Lunak
Inrplen-rentas i al gorirrna d t, c i :' i r t t r t r e e pada perangkat
lunak Deririon Support Flou'rnap adalah ganrbarun sccara grafik dari langkah-langkah dan urutan-urutan prosedur da,i suatu program. Fio"i't-r-rep perangkat sislem
pendukung keputusan
kre
sebagaio":!,""".r,,
dit
,
u-saha
mikro
ialah
.A.piikasi ._.
.5i.\'lr.,rl?
r,ang dihasilkan
WEKA. rnenghasilkan ,1,(, (pohon) 1'ane tidak dapat bcrubah-ubah n,cnsikuti data karcna perangkat lunak Deii-ri(ttt lultpott .lr,.itgn tidak dapat berintcraksi langsirng dcnsan WEKA.
sist:m pendukung kepulusan
rintuk
ptlbuning lt,ttttl dapat disunakiu sebagai alat bantu dalanr
menghinciari krcdit macci itton
penganrbilart kepulp5nn krcd:t bagr cai6n clebttur'. Saran
Dalam penecrnbangan lrbih lanjut progranr sistem pene ntuan keputusan pcmberian lasilitas kredit untuk menghindari kredit macet (non petfornting loun), maka diberikan beberapa saran sebagai berikut:
Aplikasi sistem pendukung keputusan Gambar 3 Sitemap perangkat lunak sistem pengambilan keputusan kredit usaha mikro
KNSI 2014
yang
dibangun tidak memberikan keputusan mutlak.
1.946
Konferensi Nasional Sistem Informasi20L4, STMIK Di
Makassar,2T Februari
-
01 Maret 2014
Sistem hanya menjadi alat bantu bagi para
pengambil keputusan untuk memperluas kapabilitas, namun tidak untuk menggantikan penilaian dan tidak ditekankan untuk membuat keputusan.
Pada saat pengambilan keputusan
dengan
pendekatan metode decision tree, tidak menutup
kemungkinan bahwa model-model lainnya ikut dipertimbangkan khususnYa.
Daftar Pustaka: ll] Turban, Efrairn, E. Aroson, Jay, dan Peng Liang, Ting. 2005. Decision Support Systents and Intelligent Systems (Sislem Pendukung
t2) t3l t4l
Keputusan dan Sistem Cerdas)' Yogyakarta : Penerbit Andi. Santosa, Budi. 2007. Data Mining : Teknik Pemanfaatan Data antuk Keperluan BisnisYogyakarta : Graha Ilmu. Santosa, Budi. 2007. Data Mining Terapan dengan MATLAB- Yogyakarta : Graha Ilmu. Mandiri. 2011. Manual Produk Kredit MikroJakarta : 005/KRD/]vIRB.MBD/201 I Tanggal 26 Mei 201l.
KNSI 2014
1.947
