<![CDATA[Tingginya frekuensi dan volume keterlambatan pembayaran piutang usaha menjadi permasalahan utama yang dihadapi PT XYZ, sebuah agen BBM industri, yang secara langsung mengganggu arus kas perusahaan. Proses pemantauan piutang yang masih berjalan manual dinilai tidak efisien dan rentan terhadap kesalahan. Penelitian ini bertujuan membangun model prediktif untuk status pembayaran bulan berikutnya dengan menerapkan metode Knowledge Discovery in Databases (KDD) dan algoritma Decision Tree. Data yang diolah merupakan data internal perusahaan dari Januari 2021 hingga Juni 2022, yang mencakup laporan penjualan dan piutang beredar. Hasil penelitian menunjukkan bahwa model klasifikasi Decision Tree yang dibangun berhasil mencapai akurasi keseluruhan sebesar 92.70%. Analisis atribut mengidentifikasi “Status Pembayaran” bulan berjalan sebagai faktor paling dominan dalam memprediksi keterlambatan. Model ini dapat menjadi landasan bagi perusahaan untuk beralih ke manajemen piutang yang lebih proaktif dan berbasis data untuk memitigasi risiko keterlambatan pembayaran secara lebih efektif.]]>
Copyrights © 2025
