KLASIFIKASI DATA NASABAH KOPERASI SIMPAN PINJAM DENGAN MENGGUNAKAN ALGORITMA C4.5 (Studi Kasus : Koperasi Simpan Pinjam “PELITA” Gresik)
TUGAS AKHIR
Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Oleh : IMAM SAFI’I 201010370311151
JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015
Lembar Persetujuan KLASIFIKASI DATA NASABAH KOPERASI SIMPAN PINJAM DENGAN MENGGUNAKAN ALGORITMA C4.5 (Studi Kasus : Koperasi Simpan Pinjam “PELITA” Gresik)
TUGAS AKHIR
Sebagai Persyaratan Guna Meraih Gelar Sarjana Stara 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh : Imam Safi’i (201010370311151)
Menyetujui
Dosen I
Dosen II
Gita Indah M., S.T, M.Kom NIP. 108.0611.0442
Yufis Azhar, S.Kom., M.Kom NIDN. 0728088701
ii
Lembar Pengesahan KLASIFIKASI DATA NASABAH KOPERASI SIMPAN PINJAM DENGAN MENGGUNAKAN ALGORITMA C4.5 (Studi Kasus : Koperasi Simpan Pinjam “PELITA” Gresik)
TUGAS AKHIR
Sebagai Persyaratan Guna Meraih Gelar Sarjana Stara 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh : Imam Safi’i (201010370311151)
Tugas Akhir ini telah diuji dan dinyatakan lulus melalui sidang majelis pengujian pada tanggal 14 Januari 2015
Menyetujui,
Penguji I
Penguji II
Sofyan Arifianto, S.Si., M.Kom
Ilyas Nuryasin, S.Kom., M.Kom NIDN. 0723118601
Mengetahui Ketua Jurusan Teknik Informatika
Yuda Munarno, S.Kom., M.Sc NIP. 108.0611.0443 iii
LEMBAR PERNYATAAN
Yang bertanda tangan dibawah ini :
Nama
: Imam Safi’i
Tempat, Tgl/Lahir
: Bojonegoro, 28 Juni 1991
NIM
: 201010370311151
Fakultas/Jurusan
: Teknik/Informatika
Menyatakan bahwa karya ilmiah/skripsi/tugas akhir saya yang berjudul: “Klasifikasi Data Nasabah Koperasi Simpan Pinjam Dengan Menggunakan Algoritma C4.5” adalah bukan merupakan karya tulis orang lain, baik sebagian maupun keseluruhan, kecuali dalam bentuk kutipan yang telah saya sebutkan sumbernya. Demikian surat pernyataan ini saya buat dengan sebenar-benarnya.
Mengetahui,
Malang, 10 Januari 2015
Dosen Pembimbing
Yang Menyatakan
Imam Safi’i
Gita Indah M., S.T, M.Kom NIP. 108.0611.0442
iv
MOTTO “Jangan Melihat Siapa Yang Mengatakan Tetapi Lihatlah Apa Yang Dikatakan” << Imam Safi’i >>
v
Lembar Persembahan
Syukur Alhamdulillah karena Allah SWT telah memberikan izin dan selalu memberikan rahman dan rahim nya. Terima kasih kepada kedua orang tua saya Bapak Supono dan Ibu Kartini yang sudah menyayangi, mendukung, dan mengijinkan saya untuk belajar di Universitas Muhammadiyah Malang, terima kasih juga kepada ibu Yasmi yang sampai saat ini selalu memberikan yang terbaik untuk saya, yang selalu mendukung saya. Kepada dosen pembimbingku (Ibu Gita Indah dan Pak Yufis) yang selalu sabar dan membimbing saya hingga tugas akhir saya terselesaikan. Tak lupa juga kepada saya ucapkan banyak terima kasih kepada Bapak dan ibu dosen Jurusan Teknik Informatika Universitas Muhammadiyah Malang semoga semua Bapak dan Ibu dosen mendapatkan balasan yang lebih dan berlipat dari Allah SWT. Kepada teman-teman IT-D mulai dari a-z, kalian memang terbaik (jangan sampai hilang ya), teman-teman KKN 23 kalian juga luar biasa. Kepada saudarasaudara dari UKM PSHT UMM ada mas Abdi, Mas Chandra, Mas Andi, Mas Rian, Mas Deni, Mas Ahmad, Mas Mahendra, Mas Ringga, Mas Harimurti dan mas-mas yang lain yang sudah mendukung dan mengkritisi saya , kalian memeng TERBAIK,,,!!!. Dan juga kepada saudara senasib seperjuangan di organisasi tercinta PSHT ada Shaichul, Fian, Rozikin, Uli, Tika, Novia, Rizal, Satria, dan saudara-saudara yang lain dari a-z pokok’e sampean semua pancen suip….!!. Terima kasih atas do’a dan dukungan kalian semua. Karena kalian,, saya jadi tau, saya mampu, dan saya bisa. Kepada mas Fatkur Rohman Agus Setiyoso yang sudah memberikan pencerahan terhadap tugas akhir saya. Dan tak lupa saya juga berterima kasih kepada teman-teman kos jl. Mayjen panjaitan 20 A Malang ada Arip, Andik, Beni, Kiki, Ambon yang sudah memberikan motivasi, dukungan dan celotehan kalian semua yang membuat saya bisa menyelesaikan tugas akhir ini. Mari kita terus belajar, karena dengan belajar kita akan mengetahui hal yang belum kita ketahui. Kalau ada kemauan pasti ada jalan.
vi
KATA PENGANTAR
Alhamdulillah, segala puji bagi Allah SWT yang telah member petunjuk dan rahmat sehingga penulis dapat menyelesaikan penelitian yang berjudul “Klasifikasi Data Nasabah Koperasi Simpan Pinjam Dengan Menggunakan Algoritma C4.5” ini. Pada penelitian ini dirancang sebuah sistem yang dimana nantinya akan membantu pegawai bagian dana koperasi dalam mengklasifikasikan nasabah yang mau mengajukan kredit khususnya di Koperasi Simpan Pinjam “PELITA” Gresik – Jawa Timur. Penulis menyadari bahwa penelitian ini masih jauh dari sempurna. Oleh karena itu penulis mengharapkan saran dan kritik guna untuk menyempurnakan sistem ini kedepannya. Perangkat lunak ini juga masih membutuhkan pengembangan lebih lanjut sehingga dapat lebih bermanfaat. Akhir kata penulis mengucapkan terima kasih kepada semua pihak yang telah membantu hingga tugas akhir ini selesai.
Malang, 10 Januari 2015
Imam Safi’i
vii
ABSTRAK
Kredit merupakan produk utama dari koperasi simpan pinjam dalam upaya meningkatkan profitabilitasnya. Namun akan terjadi masalah apabila manajemen sembarangan dalam memberikan kredit, yakni resiko akan tidak tertagih dari para debitur. Diharapkan manajemen dapat mengambil keputusan (persetujuan permohonan kredit) secara rasional dalam waktu yang singkat. Tugas dari bagian dana koperasi simpan pinjam selama ini adalah mencari nasabah dan/atau menghimpun dana masyarakat berupa kredit, dan tabungan, deposito, simpanan, dan pinjaman lainnya. Metode yang digunakan untuk menentukan target pasar selama ini adalah mengklasifikasikan semua nasabah yang telah melunasi angsuran kreditnya ke dalam target pemasaran, padahal belum tentu semua nasabah tersebut akan tertarik melakukan pinjaman kredit kembali. Oleh karena itu, penelitian ini dilakukan untuk menyelesaikan permasalahan tersebut dengan merancang sebuah aplikasi data mining yang berfungsi untuk memprediksi kriteria nasabah kredit yang berpotensi melakukan peminjaman (kredit). Teknik data mining yang diterapkan pada aplikasi yang dibangun adalah klasifikasi sedangkan metode klasifikasi yang digunakan adalah Decision Tree (pohon keputusan). Algoritma yang dipakai adalah Algoritma C4.5. Hasil dari aplikasi ini nantinya dapat mempermudah bagian dana koperasi dalam memprediksi kelayakan calon debitur di masa mendatang.
Kata Kunci : Klasifikasi Data Nasabah, Decision Tree, Algoritma C4.5.
viii
ABSTRACT
Credit is the main product of credit unions in an effort to improve profitability. But it will be a problem if management indiscriminate in giving credit, ie the risk of default of the debtor. It is expected that management can take a decision (approval of the loan application) rationally in a short time. The task of part funding for credit unions are looking for customers and / or to collect public funds in the form of loans, and savings, deposits, deposits, and other loans. The method used to determine the target market for this is to classify all customers who have paid off their credit installment in the marketing targets, but not necessarily all of these customers will be interested in making loans back.Therefore, this study was conducted to resolve the problem by designing a data mining application that serves to predict the criteria for potential credit customers borrowing (credit). Data mining techniques are applied to the applications that are built is the classification while the classification method used is a Decision Tree (decision tree).The algorithm used is a C4.5 algorithm. The results of this application will be able to facilitate the cooperative funds in predicting the feasibility of borrowers in the future.
Keywords: Customer Data Classification, Decision Tree, C4.5 algorithm.
ix
DAFTAR ISI
HALAMAN JUDUL .........................................................................................i LEMBAR PERSETUJUAN................................................................................ii LEMBAR PENGESAHAN ................................................................................iii LEMBAR PERNYATAAN ................................................................................iv MOTTO ............................................................................................................v LEMBAR PERSEMBAHAN .............................................................................vi KATA PENGANTAR ........................................................................................vii ABSTRAK .......................................................................................................viii ABSTRACT .....................................................................................................ix DAFTAR ISI ..................................................................................................... x DAFTAR GAMBAR ......................................................................................... xiii DAFTAR TABEL .............................................................................................. xv BAB 1 PENDAHULUAN .................................................................................. 1 1.1 Latar Belakang ....................................................................................... 1 1.2 Rumusan Masalah .................................................................................. 2 1.3 Batasan Masalah .................................................................................... 2 1.4 Tujuan Penelitian ................................................................................... 3 1.5 Metodologi Penelitian ............................................................................ 3 1.6 Sistematika Penulisan ........................................................................... 4 BAB II LANDASAN TEORI ............................................................................. 6 2.1 Sistem Pendukung Keputusan................................................................ 6 2.2 Data Mining ......................................................................................... 7 2.3 Pengelompokan Data Mining ................................................................ 8 2.4 Pohon Keputusan ...................................................................................11 2.5 Algoritma Decision Tree C4.5 ...............................................................13 2.6 Koperasi Simpan Pinjam........................................................................15 BAB III ANALISA DAN PERANCANGAN SISTEM .....................................18 3.1 Analisa Data Dengan Algoritma Decision Tree C4.5 ............................18 3.2 Analisa Sistem .......................................................................................30
x
3.2.1 Deskripsi Umum Perangkat Lunak ..............................................30 3.2.2 Flow Chart ...................................................................................30 3.2.3 Use Case Diagram dan Skenario .................................................32 3.2.4 Activity Diagram ..........................................................................35 3.2.5 Sequence Diagram .......................................................................38 3.2.6 Class Diagram .............................................................................41 3.3 Perancangan Sistem ...............................................................................41 3.3.1 Entity Relational Diagram (ERD) ...............................................41 3.3.2 Perancangan Antarmuka ..............................................................42 BAB IV IMPLEMENTASI DAN PENGUJIAN ................................................45 4.1 Implementasi .........................................................................................45 4.1.1 Perangkat Lunak dan Keras Yang Digunakan .............................45 4.1.2 Implementasi Kode Program .......................................................45 4.1.3 Kode Program Log in ...................................................................46 4.1.4 Kode Program View Data Training .............................................47 4.1.5 Kode Program Halaman Klasifikasi ............................................48 4.1.6 Kode Program Tombol Proses .....................................................48 4.1.7 Kode Program Tombol Cetak ......................................................49 4.1.8 Kode Program View Rule .............................................................50 4.1.9 Kode Program View Info ..............................................................51 4.2 Pengujian ..............................................................................................52 4.2.1 Pengujian Perangkat Lunak .........................................................52 4.2.1.1 Antarmuka Halaman Log in ............................................52 4.2.1.2 Antarmuka Halaman Utama ............................................53 4.2.1.3 Antarmuka View Data Training ......................................53 4.2.1.4 Antarmuka Halaman Menu Klasifikasi ...........................54 4.2.1.5 Antarmuka Halaman Menu view rule..............................56 4.2.1.6 Antarmuka Halaman Menu view info ..............................56 4.2.2 Pengujian Rule .............................................................................57 4.2.3 Pengujian Data Validasi ...............................................................63 BAB V KESIMPULAN DAN SARAN ..............................................................67 5.1 Kesimpulan ............................................................................................67
xi
5.2 Saran .....................................................................................................67 Daftar Pustaka ...................................................................................................68 Lampiran
.........................................................................................................70
xii
DAFTAR GAMBAR
Gambar 2.1 Clasification ......................................................................9 Gambar 2.2 Clustering ..........................................................................9 Gambar 2.3 Association ........................................................................10 Gambar 2.4 Regression .........................................................................10 Gambar 2.5 Forecasting .......................................................................11 Gambar 2.6 Sequence Analysis .............................................................12 Gambar 3.2 Flow Chart ........................................................................31 Gambar 3.3 Use Case Diagram ............................................................32 Gambar 3.4 Activity Diagram – Log in.................................................35 Gambar 3.5 Activity Diagram – View Data Training ...........................36 Gambar 3.6 Activity Diagram – Klasifikasi ..........................................36 Gambar 3.7 Activity Diagram – View Rule...........................................37 Gambar 3.8 Activity Diagram – View Info............................................37 Gambar 3.9 Sequence Diagram – Log in ..............................................38 Gambar 3.10 Sequence Diagram – View Data Training ......................39 Gambar 3.11 Sequence Diagram – Klasifikasi .....................................39 Gambar 3.12 Sequence Diagram – View Rule ......................................40 Gambar 3.13 Sequence Diagram – View Info .......................................40 Gambar 3.14 Class Diagram ................................................................41 Gambar 3.15 ERD .................................................................................42 Gambar 3.16 Perancangan Menu Utama ..............................................42 Gambar 3.17 Perancangan Menu Log in...............................................43 Gambar 3.18 Perancangan Menu Menu_Utama ...................................43 Gambar 3.19 Perancangan Menu view data training............................43 Gambar 3.20 Perancangan Menu klasifikasi .........................................44 Gambar 3.21 Perancangan Menu view rule ..........................................44 Gambar 3.22 Perancangan Menu view info ..........................................44 Gambar 4.1 Class-class pada project KSP .........................................46 Gambar 4.2 Class FrmLogin.................................................................46 Gambar 4.3 Tampilan dari Fungsi Class FrmLogin .............................47
xiii
Gambar 4.4 Class FrmDataTraining .....................................................47 Gambar 4.5 Tampilan Fungsi Class FrmDataTraining.........................47 Gambar 4.6 Class FrmDataNasabah .....................................................48 Gambar 4.7 Tampilan Fungsi Class FrmDataNasabah.........................48 Gambar 4.8 Kode Program Tombol Proses ..........................................49 Gambar 4.9 Tampilan Fungsi Tombol Proses ......................................49 Gambar 4.10 Kode Program Tombol Cetak .........................................49 Gambar 4.11 Tampilan Fungsi Tombol Cetak .....................................50 Gambar 4.12 Kode Program view rule .................................................50 Gambar 4.13 Tampilan Fungsi Kode Program view rule .....................51 Gambar 4.14 Kode Program view info ..................................................51 Gambar 4.15 Tampilan Fungsi Kode Program view info .....................51 Gambar 4.16 Halaman Utama...............................................................52 Gambar 4.17 Halaman log in ................................................................53 Gambar 4.18 Halaman Menu Utama ....................................................53 Gambar 4.19 Halaman menu view data training ..................................54 Gambar 4.20 Halaman menu klasifikasi ...............................................54 Gambar 4.21 Output kelayakan kredit ..................................................55 Gambar 4.22 Menu view rule................................................................56 Gambar 4.23 Menu view info ................................................................56
xiv
DAFTAR TABEL
Tabel 2.1 Macam-macam algoritma decision tree ................................11 Tabel 3.1 Perhitungan root node atau node level 0 (Aset) ....................18 Tabel 3.2 Perhitungan node level 1 (Pekerjaan) ...................................20 Tabel 3.3 Perhitungan node level 2 (Status tempat tinggal) .................22 Tabel 3.4Perhitungan node level 3 (Jenis agunan)................................24 Tabel 3.5 Perhitungan node level 4 (Jarak KSP ke tempat nasabah) ....25 Tabel 3.6 Perhitungan node level 5 (Area tempat tinggal) ...................26 Tabel 3.8 Skenario log in ......................................................................33 Tabel 3.9 Skenario view data training ..................................................33 Tabel 3.10 Skenario klasifikasi .............................................................34 Tabel 3.11 Skenario rule .......................................................................34 Tabel 3.12 Skenario view info ...............................................................35 Tabel 4.1 Penegujian Rule ....................................................................57 Tabel 4.2 Data Validasi 25 Debitur (Sebelum Pengujian) ....................65 Tabel 4.3 Data Validasi 25 Debitur (Setelah Pengujian) ......................66
xv
Daftar Pustaka
[1]
Fatimatuzzahrah. 2014. “Aplikasi pendukung keputusan untuk penentuan bidang minat pada jurusan teknik informatika menggunakan metode profile maching”. Malang. Jurusan Teknik Informatika Universitas Muhammadiyah Malang(UMM).
[2]
Andriani, Anik. 2012. Penerapan Algoritma C4.5 pada program klasifikasi mahasiswa drop out. Jakarta.
[3]
Mardiani. 2012. Penerapan klasifikasi dengan algoritma CART untuk prediksi kuliah bagi mahasiswa baru. Palembang. Jurusan Sistem Informasi STMIK MDP Palembang.
[4]
Hastuti, Khafiizh. 2012. Analisis komparasi algoritma klasifikasi data mining untuk prediksi mahasiswa non aktif. Semarang. Universitas Dian Nuswantoro Semarang.
[5]
Lindawati. 2008.
Data mining dengan teknik clustering dalam
pengklasifikasian data mahasiswa. Jakarta Barat. Jurusan Teknik Informasi Universitas Bina Nusantara. [6]
Jananto, Arief. 2010. Perbandingan performansi algoritma nearest neighbor dan sliq untuk prediksi kinerja akademik mahasiswa baru. Fakultas Teknologi Informasi Universitas Stikubank Semarang.
[7]
Raharjo, Budi. 2009. Mudah belajar java. Informatika . Bandung.
[8]
Romli, Ade. 2010. Pengembangan perangkat lunak jaringan syaraf tiruan untuk pengklasifikasian data aplikasi kredit perbankan menggunakan metode propagasi balik.
[9]
Pandie. 2012. Implementasi algoritma data mining k-nearest neigbour (knn) dalam pengambilan keputusan pengajuan kredit. Kupang. Jurusan Ilmu Komputer Universitas Nusa Cendana.
xvi
[10]
Badriyah, T. 2008. Algoritma Klasifikasi: Decision Tree. Surabaya: PENSITS
[11]
Kadir, A. 2008. Belajar Database Menggunakan MySQL. Yogyakarta: Andi
[12]
Kusnawi. 2007. Pengantar Solusi Data Mining. Makalah disajikan dalam Seminar Nasional Teknologi 2007, STMIK AMIKOM, Yogyakarta, 24 November 2007
[13]
Kusrini & Luthfi, E.T. 2009. Algoritma Data Mining. Yogyakarta: Andi
[14]
Subakti, I. 2002. Sistem Pendukung Keputusan (Decision Support System). Surabaya: Fakultas Teknologi Informasi Institut Teknologi Sepuluh November
[15]
Sunjana. 2010. Klasifikasi Data Nasabah Sebuah Asuransi Menggunakan Algoritma C4.5. Makalah disajikan dalam Seminar Nasional Aplikasi Teknologi Informasi 2010, Universitas Widyatama, Yogyakarta, 19 Juni.
[16]
Huda, N.M. 2010. Algoritma Pemograman. Madura:Fakultas Teknik Informatika Universitas Trunojoyo.
[17]
Basuki, Achmad dan Syarif, Iwan. 2003. Modul Ajar Decision Tree. Surabaya: PENS-ITS.
xvii