<![CDATA[Koperasi Simpan Pinjam Siboto Lungun mengalami peningkatan kredit macet akibat proses penilaian kelayakan pinjaman yang masih manual dan kurang akurat. Penelitian ini bertujuan mengembangkan sistem prediksi kelayakan pinjaman menggunakan metode data mining dengan algoritma C4.5. Metode ini dipilih karena mampu membentuk pohon keputusan berdasarkan atribut gain tertinggi, serta dapat mengolah data numerik dan kategorikal. Data historis nasabah periode 2022-2024 digunakan dalam perhitungan entropy dan gain untuk membentuk model klasifikasi. Sistem dibangun menggunakan bahasa pemrograman Python dan database MySQL. Pengujian menghasilkan 4 atribut utama yang mempengaruhi, yaitu agunan, jumlah pinjaman, pekerjaan, dan tenor. Atribut pekerjaan mendapat hasil gain tertinggi dengan nilai 0.2884, diikuti agunan 0.0714, tenor 0,0423, dan jumlah pinjaman 0,0351. Sistem menghasilkan nilai akurasi sebesar 81%. Diharapkan sistem ini dapat membantu koperasi meminimalisir risiko kredit macet sekaligus meningkatkan efisiensi proses penilaian kedepannya.]]>
Copyrights © 2025
