UMIUMI

METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi AkuntansiMETHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi

Pengambilan keputusan dalam pemberian pinjaman merupakan aspek krusial bagi lembaga keuangan, karena keputusan yang tidak tepat dapat meningkatkan risiko kredit macet. Penelitian ini bertujuan untuk menganalisis pengambilan keputusan dalam pemberian pinjaman kepada calon nasabah menggunakan algoritma J48 yaitu sebuah algoritma pohon keputusan yang populer dalam data mining dan memiliki kemampuan menghasilkan model yang mudah dipahami dan akurat. Dengan menggunakan dataset Loan-Approval-Prediction-Dataset yang diperoleh dari Kaggle, penelitian ini akan membangun pohon keputusan dengan atribut – atribut kunci yang mempengaruhi keputusan tersebut. Dataset yang digunakan dalam penelitian ini mencakup berbagai atribut seperti tanggungan, pendapatan tahunan, nilai aset kekayaan, jumlah pinjaman, jangka waktu pinjaman, skor cibil, nilai aset perumahan, nilai aset komersil, dan nilai aset bank. Hasil analisis menunjukkan bahwa algoritma J48 mampu mengklasifikasikan calon nasabah dan mengidentifikasi atribut – atribut yang mempengaruhi keputusan pemberian pinjaman. Hasil dari penelitian ini diharapkan dapat membantu lembaga keuangan dalam meminimalkan risiko kredit, meningkatkan efisiensi proses evaluasi kredit, ketepatan, dan meningkatkan transparansi dalam prosedur penilaian kredit. Penelitian ini juga diharapkan dapat membantu calon klien dalam memahami aspek-aspek yang harus diperhitungkan untuk meningkatkan kemungkinan persetujuan pinjaman.

Hasil penelitian menunjukkan bahwa skor cibil adalah faktor paling berpengaruh dalam keputusan pemberian pinjaman.Skor cibil yang tinggi (kategori besar) akan langsung disetujui, sedangkan skor cibil yang rendah (kategori kecil) akan memerlukan pertimbangan lebih lanjut berdasarkan jangka waktu pinjaman.Jangka waktu pinjaman yang pendek, sedang, atau panjang cenderung disetujui.Pemohon dengan sedikit tanggungan akan disetujui, sementara pemohon dengan banyak tanggungan cenderung ditolak.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan saran penelitian lanjutan yang ada, penelitian selanjutnya dapat mengkaji pengaruh faktor-faktor sosial ekonomi terhadap keputusan pemberian pinjaman, seperti tingkat pendidikan, pekerjaan, dan status perkawinan. Selain itu, penelitian dapat mengembangkan model prediktif yang lebih kompleks dengan menggabungkan algoritma machine learning lainnya, seperti support vector machine (SVM) atau neural network, untuk meningkatkan akurasi dan efisiensi dalam proses evaluasi kredit. Terakhir, penelitian dapat mengeksplorasi penggunaan data alternatif, seperti data media sosial atau data transaksi e-commerce, untuk memperkaya informasi yang digunakan dalam pengambilan keputusan pemberian pinjaman dan memberikan gambaran yang lebih komprehensif tentang profil risiko calon nasabah.

  1. Penerapan Data Mining Untuk Akurasi Analisis Cuaca di Australia Menggunakan Algoritma J48 Decision Tree... doi.org/10.53514/jco.v3i2.396Penerapan Data Mining Untuk Akurasi Analisis Cuaca di Australia Menggunakan Algoritma J48 Decision Tree doi 10 53514 jco v3i2 396
  2. - D2037029420: International Journal Of Innovative Technology And Exploring Engineering (IJITEE). d2037029420... doi.org/10.35940/ijitee.d2037.029420D2037029420 International Journal Of Innovative Technology And Exploring Engineering IJITEE d2037029420 doi 10 35940 ijitee d2037 029420
  3. Pengaruh Modal dan Tenaga Kerja terhadap Pendapatan UMKM Kerupuk Ikan SPN Kota Jambi | Habriyanto | Jurnal... doi.org/10.33087/jiubj.v21i2.1572Pengaruh Modal dan Tenaga Kerja terhadap Pendapatan UMKM Kerupuk Ikan SPN Kota Jambi Habriyanto Jurnal doi 10 33087 jiubj v21i2 1572
Read online
File size635.22 KB
Pages13
DMCAReport

Related /

ads-block-test