<![CDATA[Abstract — The banking industry has developed quite apidly, bothin terms of volume of business , mobilize public funds or credit .Data mining of the loan has great potential to explore the hiddenpatterns within a dataset of loans including loans domain . C4.5classification algorithm is the most simple , easy diimplemntasikan. However, the algorithm C4.5 still have weaknesses in handlinghigh-dimensional data in . This research aims to implement thealgorithm C4.5 with the selection of attributes so as to reduce thedimensionality of the data , and identify features in the data setwith C4.5 algorithm method . From this research, conductedmodels created with C4.5 algorithm itself already has goodaccuracy that is equal to 83.67 % with the selection process by thealgorithm C4.5 attributes .Intisari — Industri perbankan mengalami perkembangan yangcukup pesat, baik dari sisi volume usaha, mobilisasi danamasyarakat maupun pemberian kredit. Data mining mengenaipinjaman memiliki potensial besar untuk menjelajahi bagianpola yang tersembunyi dalam suatu dataset dari domainpinjaman termasuk pinjaman kredit. Algoritma C4.5merupakan pengklasifikasian yang paling sederhana, mudahdiimplemntasikan. Namun, Algoritma C4.5 masih memilikikelemahan dalam menangani data dalam dimensi tinggi.Penelitian ini bertujuan untuk menerapkan algoritma C4.5dengan seleksi atribut sehingga dapat mengurangi dimensi daridata, serta mengidentifikasi fitur dalam kumpulan data denganmetode algoritma C4.5. Dari penelitian ini yang dilakukan modelyang terbentuk dengan algoritma C4.5 sendiri sudah memilikiakurasi yang baik yaitu sebesar 83.67% dengan proses seleksiatribut oleh algoritma C4.5.Kata kunci — Data mining, Algoritma C4.5, kelayakankredit,Decision Tree]]>
Copyrights © 2016
