Analisis Klasifikasi pada Nasabah .... (Ahadiyah Nurul Kholifah) 1 ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES CLASSIFICATION ANALYSIS OF CREDIT CUSTOMERS X COOPERATIVES USING DECISION TREE C4.5 AND NAÏVE BAYES Oleh: Ahadiyah Nurul Kholifah 1) , Nur Insani 2) Program Studi Matematika, Jurusan Pendidikan Matematika FMIPA UNY ahadiyah.ifah@gmail.com 1) , nurinsani.utomo@gmail.com 2) Abstrak Salah satu penyebab kredit bermasalah adalah kurang telitinya pihak koperasi dalam survei dan analisis pemberian kredit. Oleh karena itu, analisis kredit dengan teknik data mining perlu dilakukan sehingga dapat meminimalisir nasabah terlambat membayar angsuran serta mempersingkat waktu analisis pemberian kredit. Penelitian ini bertujuan untuk membentuk model decision tree C4.5 dan naïve bayes untuk klasifikasi nasabah kredit berdasarkan nilai kolektibilitasnya. Preprocessing data yang terdiri dari data cleaning, data integration, data selection, dan data transformation dilakukan untuk meningkatkan kualitas model klasifikasi. Proses pembentukan model decision tree C4.5 dan naive bayes dilakukan menggunakan bantuan software WEKA 3.6.13. Hasil akurasi dari model decision tree C4.5 dengan pengujian use training set, 10-fold cross validation, dan percentage split berturut-turut adalah 71,91%, 68,03%, dan 66,84% sedangkan pada naïve bayes sebesar 67,01%, 64,66%, dan 65,82%. Kata kunci: kredit, data mining, decision tree C4.5, naïve bayes, software WEKA Abstract One of loans problems which often occur are inaccurate surveys and loans analysis from the credit providers. Therefore, credit analysis with data mining techniques need to be done to minimize the customers that are late on paying the installments and to shorten the credit analysis. In this research, the data mining technique used to build a C.45 decision tree and naive bayes models to classify credit customers based on its collectibility values. Data preprocessing consisting data cleaning, data integration, data selection, and data transformation were done to increase the quality of the classification model. Decision tree C4.5 and naïve bayes model is created using WEKA 3.6.13 software. The accuracy results from the decision tree C4.5 model using use training set, 10- fold cross validation, and percentage split were 71.91%, 68.03% and 66.84% respectively, where for the naïve bayes models the accuracy results for those three measeurement were 67.01% , 64.66% and 65.82% respectively. Keywords: credit, data mining, decision tree C4.5, naïve bayes, WEKA PENDAHULUAN Menurut Undang-Undang Perbankan No.12 Tahun 1992 pasal 1, kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam-meminjam antara pihak bank dengan pihak lain, yang mewajibkan pihak peminjam untuk melunasi hutangnya setelah jangka waktu tertentu dengan bunga, imbalan, atau pembagian hasil keuntungan. Koperasi merupakan salah satu lembaga keuangan yang melakukan transaksi kredit dalam bentuk pinjaman anggota. Koperasi memiliki prinsip kehati-hatian sebagaimana yang diterapkan pada perbankan dengan melakukan analisis kredit. Secara umum analisis kredit dilakukan dengan cara penilaian 5C. Pada dasarnya konsep 5C adalah Character (kepribadian), Capacity (kemampuan), Capital (modal), Condition (kondisi ekonomi), dan Collateral (agunan) Penilaian dengan 5C dapat memberikan beberapa informasi mengenai seberapa baik nasabah akan melunasi pinjaman (Kasmir, 2012: 136). Penilaian 5C biasanya dilakukan secara manual dan butuh waktu yang lama. Namun demikian, masih sering terjadi