Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Andriani, Karina
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Decision Trees in Predicting Loan Default Risk in Customer Relationships within the Financial Sector Syahra, Yohanni; Br. Tarigan, Yuni Franciska; Andriani, Karina; Nazry S, Hevlie Winda; Setik, Roziyani
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 2 (2025): Research Articles April 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i2.14672

Abstract

Loan default prediction is an important aspect of risk management in financial institutions. Accurate prediction models enable banks and lending organizations to mitigate risks, allocate resources effectively, and optimize decision-making processes. This study investigates the application of decision tree algorithms in predicting loan default risk in the financial sector. Decision trees are renowned for their interpretability, adaptability to non-linear data, and ability to handle missing values, making them a valuable tool in credit risk analysis. Using a dataset consisting of borrower profiles, credit scores, income levels, and payment history, the model identifies key predictors that influence default outcomes. The study uses the C4.5 decision tree model, which will demonstrate that decision trees achieve high prediction accuracy and offer a transparent decision-making framework, enhancing their applicability in real-world scenarios. Furthermore, the paper highlights the implications of these findings for financial institutions, emphasizing the scalability and cost-effectiveness of the model. By integrating decision tree-based models into existing risk assessment systems, lenders can proactively manage loan portfolios and reduce default rates. Future research directions are proposed to explore hybrid approaches that combine decision trees with advanced combined methods to enhance predictive capabilities. The potential of decision tree algorithms in transforming credit risk assessment and supporting more accurate data-driven financial decision-making processes
Analisa Penerapan Teorema Bayes untuk Mengetahui Tingkat Potensi dan Profesionalisme Guru PAUD Berdasarkan Kepribadian Andriani, Karina; Franciska Br Tarigan, Yuni; Riandini, Meisarah
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12372

Abstract

Profesionalisme seorang guru di lingkungan pendidikan anak untuk usia dini (PAUD) merupakan satu hal yang perlu diperhatikan guna menunjang pendidikan bagi anak. Hal ini dikarenakan pendidikan anak usia dini menjadi pondasi yang cukup berpengaruh bagi masa depan anak. Periode pendidikan PAUD termasuk dalam rentang golden age, dimana perkembangan fisik, kognitif, emosional dan sosial terjadi sangat pesat dan tidak dapat diulang. Sehingga profesional dan potensi guru pada lingkungan ini harus sesuai agar tidak menimbulkan dampak yang buruk bagi perkembangan anak. Oleh karena itu dibutuhkan sebuah analisis efektif yang mampu melihat tingkat potensi dan professional guru PAUD melalui unsur-unsur pendukung seperti latar belakang pendidikan atau penilaian kepribadian. Salah satu alternatif yang dilakukan adalah dengan memanfaatkan keilmuan dalam bidang sistem pakar yang menggunakan berbagai metode dan algoritma analisa yang bervariasi. Salah satu algoritma metode yang dapat digunakan adalah teorema bayes. Dari hasil penerapan metode ini dapat dilihat nilai presentasi kepribadian guru PAUD sehingga potensi dan profesionalisme yang dimiliki dapat dipertanggung jawabkan.
Co-Authors Br. Tarigan, Yuni Franciska Franciska Br Tarigan, Yuni Nazry S, Hevlie Winda Riandini, Meisarah Setik, Roziyani Yohanni Syahra