Analisis Dengan Metode Klasifikasi Menggunakan Decission Tree Untuk Memprediksi Penentuan Resiko kredit Bank

Abstract

Abstract: There are several facilities in distributing funds to the customer which is owned by Bank Syariah Bukopin. One of them is Kredit Pemilikan Rumah / Housing Loan (mortgage), so far the bank when provides mortgages to customers still uses risk prediction manually in giving credit to customers which is taking up a lot of time and energy especially when the customer reports is further analyzed by the Bank. One technique that can help in predicting the Bank's credit risk determination is Decision Tree which is a technique that is a part of Data Mining techniques to take a decision in the form of a tree. With Decision Tree techniques, it is expected to help the bank to allow faster and easier in predicting the data and getting a conclusion from existing data. One of the ways to predict the data is using Dtreg software. This software only uses data that is in the format of "csv (comma delimited)�, if it is not using the format" csv (comma delimited)", so that the data can not be processed by Dtreg software. When the excel format has been converted to the "csv (comma delimited)" format, the analysis process can be done. Dtreg can generate decision tree, one of them is the result of risk decision from the number of mortgages based on the number of customers. Keywords: data mining, decision tree Abstrak: Ada beberapa fasilitas dalam penyaluran dana ke nasabah yang di miliki Bank Syariah Bukopin. Salah satunya Kredit Pemilikan Rumah (KPR), selama ini pihak Bank memberikan KPR ke nasabah masih menggunakan prediksi resiko secara manual dalam meberikan kredit kepada nasabah yang banyak menyita waktu dan tenaga apalagi pada saat laporan nasabah dianalisa lebih lanjut oleh pihak Bank. Salah satu teknik yang dapat membantu pihak Bank dalam memprediksi Penentuan resiko kredit adalah teknik Decision Tree yang merupakan bagian dari teknik Data Mining untuk mengambil suatu keputusan dalam bentuk pohon. Dengan teknik Decision Tree diharapkan dapat membantu pihak bank agar lebih cepat dan mudah dalam memprediksi data dan menarik suatu kesimpulan dari data yang ada.Salah satu cara memprediksi data tersebut dengan menggunakan software Dtreg. Pada software ini data yang digunakan hanya bisa dalam bentuk format �csv (comma delimited), jika tidak menggunakan format �csv (comma delimited)� maka data tersebut tidak bisa diproses oleh software Dtreg dan selanjutnya jika format excel yang telah dirubah ke format �csv (comma delimited)�, maka akan dapat dilakukan proses analisa. Dtreg dapat menghasilkan pohon keputusan, salah satu nya yaitu hasil keputusan resiko dari jumlah kredit pemilikan rumah berdasarkan jumlah nasabah. Kata kunci: data mining, decision tree