Penerapan Metode Klasifikasi pada Data Peminjaman Pembiyaan Usaha Mikro Menggunakan Algoritma Classification and Regression Trees (CART)

Sistem keuangan merupakan salah satu sarana penting dalam kehidupan. Sistem keuangan bertugas untuk menghimpun dana dari masyarakat kemudianmenyalurkan kembali kepada masyarakat. Kegiatan menghimpun dan menyalurkandana tersebut diatur dalam sebuah lembaga keuangan yaitu Bank. Landasan hukmBank adalah undang-undang nomor 10 tahun 1998 yang dimaksud Bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk kredit dana/ataudalam bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Dalam proses menyalurkan dana kembali kepada masyarakat banyak nasabah yang membayar kredit melebihi batas waktu yang telah ditentukan atau over likuiditas sehingga mengakibatkan redit macet. Tujuan penelitian ini adalah mengelompokkan data nasabah untuk menentukan klasifikasi terhadap data peminjaman usaha mikropada bank BRI Jakarta Pusat dan menemukan informasi tentang nasabah potensialuntuk mendapatkan kredit dimasa yang akan datang. Metode yang digunakan adalah metode deskriptif dengan pendekatan kuantitatif yaitu penelitian yang diolah kemudian dan dianalisis untuk diambil keputusannya. Banyaknya data yang terdapat pada bank bisa menggunakan teknik data mining yaitu teknik untuk mencari informasi dari bongkahan data yang sangat besar. Metode data mining yang digunakan adalah klasifikasi dengan algoritma classification and regression trees (CART) dan menggunakan aplikasi Tanagra, kemudian hasil dari Tanagra akan dibuatkan program sederhana menggunakan bahasa pemograman java. Hasil dari penelitian ini membantu pihak bank mengambil keputusan sehingga mengurangi resiko kredit macet. Dari hasil penelitian yang dilakukan terjadinya kredit macet umumnya terjadi karena keterlambatan nasabah dalam membayar kredit. Dengan menggunakan teknik data mining klasifikasi dan metode CART dapat membantu pihak Bank mengelompokkan data kemudian dibentuk pohon keputusan, sehingga dapat dimabil keputusan bahwa setiap atribut saling mempengararuhi. Perhitungan menggunakan algoritma CART menghasilkan kolektibilitas baik sebanyak 91.35% dari 1273 data nasabah, sedangkan menggunakan tool Tanagra kolektibilitas baik 91.67% dari data growing set yaitu sebanyak 852 data nasabah.