PENERAPAN DATA MINING UNTUK MEMPREDIKSI KRITERIA NASABAH KREDIT

to determine clusters from sales information at the An Nahdira Store. In selecting clusters, the method used was to use the K-Means Clustering method, otherwise the Kaggle.com web. From the dataset, 3 clusters were found, namely the most salable clusters of 4,332 products, the clusters were quite salable 932 products and the rest are less salable clusters. The results of the clustering model accuracy produced with the confusion matrix is 87%. Based on these results, the owner of Minimarket An Nahdira can be assisted in making decisions on item stock management. From the clustering results, data is generated that can be used for item stock management, minimizing item damage due to over stock in the storefront, as well as consideration in improving sales strategy.

This is just a proposal

Absctract : In this era of globalization increasingly rapid developments in information technology, information needs and data processing in many aspects of human life is very important. Of such rapid technological development has implications for all life especially the provision of information systems for an organization or company that needs the data processing system in a rapid, precise and accurate. Computerized processing system in PT. Staco Bosowa Finance representative Makassar has become imperative given the complexity of the problems of data processing customer financing on credit, so the job can easily, quickly and accurately carried out by other word processing customer financial data on credit should not be done manually but using computer services with a data processing system. PT. Staco Bosowa Finance (SBF) is one company engaged in the financial sector in financing customers who wish to purchase a vehicle but can not afford in cash.

Seminar Nasional Industri dan Teknologi (SNIT), 2019

Dumai District Court is a place to receive, examine, decide and settle case disputes at the First Level by the applicable laws and regulations. The increase in traffic violations in the city of Dumai is due to the lack of awareness of road users towards the traffic rules, which makes a lot of ticket data received by the Dumai District Court. The algorithm used for the application of data mining is a k-means clustering method that will group some data into clusters, so that data that has the same characteristics are grouped into the same cluster and data which have different characteristics are grouped in different clusters. and is useful for getting information that is useful for policy users in the decision-making process. Samples of data taken from the table of traffic violations in 2017 were 8986 violations. This test uses the RapidMiner 5 application where the variables used to conduct the test are the type of violation and the month. So that it will produce violation data with the most types of violations, few and less.

2019

Peningkatan kualitas karyawan yang bekerja didalam sebuah perusahaan merupakan hal penting yang harus dilakukan salah satunya dengan cara penilaian kinerja karyawan serta memberikan apresiasi terhadap karyawan yang berprestasi agar dapat memacu kinerja karyawan lainnya. Penilaian perlu dilakukan terhadap seluruh karyawan dan meliputi semua aspek sehingga menghasilkan penilaian yang obyektif, maka dari itu diperlukan otomatisasi penggalian data yang akurat dari data karyawan untuk menjadi acuhan dalam penetapan keputusan. Penerapan data mining dengan metode Algoritma C4.5 dipilih dalam penelitian ini untuk memprediksi karyawan berprestasi karena dapat mengeksplorasi data dalam jumlah yang besar dan mengubahnya menjadi pohon keputusan yang mempresentasikan aturan dengan pengembangan metode menggunakan alat bantu rapidminer. Hasil dari penelitian ini adalah diketahui akurasi sebesar 75.67% dari data karyawan. Hal ini menunjukan bahwa kinerja karyawan dalam aspek atribut-atribut berpengaruh didalam aturan yang dihasilkan pohon keputusan Algoritma C4.5 masih rendah. Oleh karena itu, diperlukan penambahan atribut-atribut berpengaruh serta penggunaan metode-metode data mining lainnya agar mendapatkan tingkat akurasi yang lebih tinggi

Universitas Potensi Utama merupakan salah satu Perguruan Tinggi Swasta (PTS) di bawah naungan Yayasan Potensi Utama yang bergerak dalam bidang pendidikan khususnya dalam bidang komputer. Tentu saja tidak hanya kualitas dalam ilmu komputer yang menjadi perhatian tetapi juga kompetensi dalam bahasa asing. Oleh karena itu setiap mahasiswa tingkat akhir harus mengikuti English Profeciency Test sebagai tolak ukur kemampuan mahasiswa dalam menguasai bahasa asing. 50 data mahasiswa yang mengikuti English Proficiency Test telah diuji dengan metode Naïve Bayes, didapatkan hasil persentase sebesar 98% untuk keakuratan klasifikasi. Diketahui dari 50 data yang diuji terdapat 49 data yang berhasil diklasifikasikan dengan benar.

PT. Indomarco Palembang is a company engaged in the distribution of food and beverages. Not only PT .IndomarcoPalembang , still quite a lot of other companies engaged in similar fields. This of course lead to competition between companies. Data mining is intended to provide a solution for decision makers in the business world to develop their business. To the authors are interested in raising them into penelian thesis with the title " On the Application of Data Mining Method Using Clustering Sales Case Study of PT. Indomarco Palembang ". The purpose of this study to look at the sales the most demanding consumers , especially the sale of food and beverages. The benefit in the analysis of large data and help provide information on sales data that is processed. One method of data mining that is used in this research is a method of clustering (grouping). The results of this study is an application built to help the company as a description of the decision making in order to obtain product sales pattern. Abstrak: PT. Indomarco Palembang merupakan perusahaan yang bergerak dalam bidang distribusi makanan dan minuman. Tidak hanya PT. Indomarco Palembang, masih cukup banyak perusahaan-perusahaan lain yang bergerak di bidang serupa. Hal tersebut tentu saja menimbulkan persaingan bisnis antar perusahaan. Data mining dimaksudkan untuk memberikan solusi bagi para pengambil keputusan di dunia bisnis untuk mengembangkan bisnis mereka. Untuk itu penulis tertarik mengangkat permasalahan ini kedalam penelian skripsi dengan judul " Penerapan Data Mining Pada Penjualan Menggunakan Metode Clustering Study Kasus PT. Indomarco Palembang ". Tujuan dari penelitian ini untuk melihat penjualan yang paling banyak diminati konsumen khususnya penjualan makanan dan minuman. Manfaatnya mempermudah analisis data yang besar dan membantu memberikan informasi data penjualan yang diolah.Salah satu metode yang terdapat dalam data mining yang digunakan dalam penelitian ini adalah metode Clustering (Pengelompokkan). Hasil dari penelitian ini adalah aplikasi yang dibangun dapat membantu perusahaan sebagai gambaran dalam pengambilan keputusan dalam rangka mendapatkan pola penjualan produk.

Mahasiswa non aktif adalah mahasiswa yang berhenti studi dan tidak melakukan registrasi administratif. Mahasiswa yang memiliki status non aktif memiliki kecenderungan untuk drop out. Tingginya persentase mahasiswa dengan status non aktif mempengaruhi nilai akreditasi universitas. Perlu diketahui faktor-faktor penyebab mahasiswa memiliki status non aktif. Teknik klasifikasi data mining dapat digunakan untuk prediksi mahasiswa non aktif. Banyak algoritma klasifikasi data mining yang dapat digunakan, sehingga perlu dilakukan komparasi untuk mengetahui tingkat akurasi dari masing-masing algoritma. Algoritma yang digunakan adalah logistic regression, decision tree, naïve bayes dan neural network. Data yang digunakan sebanyak 3861 mahasiswa program studi Teknik Informatika, Sistem Informasi dan Desain Komunikasi Visual Universitas Dian Nuswantoro. Hasil dari proses klasifikasi dievaluasi dengan menggunakan cross validation, confusion matrix, ROC Curve dan T-Test untuk mengetahui algoritma klasifikasi data mining yang paling akurat untuk prediksi mahasiswa non aktif. Kata kunci : mahasiswa non aktif, klasifikasi data mining

Kredit merupakan salah satu mekanisme pembayaran yang sangat umum di masyarakat. Fungsi pokok kredit yaitu memenuhi pelayanan terhadap kebutuhan masyarakat dalam rangka memperlancar perdagangan, produksi dan jasa-jasa bahkan konsumsi yang kesemuanya itu ditujukan untuk meningkatkan kesejahteraan manusia. PT "X" merupakan distributor mobil di kota Bandung dan telah memberikan kemudahan pembayaran kepada pelanggannya dengan menyediakan fasilitas kredit. Ada risiko yang harus dihadapi oleh perusahaan yaitu tidak tepat waktunya pembayaran atau bahkan kegagalan pembayaran dari kredit yang disalurkannya. Kredit macet ini sangat berpengaruh terhadap aliran kas perusahaan. Usaha untuk mengurangi jumlah kredit yang macet harus selalu dilakukan. Banyak faktor yang dapat menyebabkan kredit macet, salah satunya adalah kesalahan dalam pengambilan keputusan penerimaan pemohon menjadi debitur perusahaan pada tahap evaluasi kredit. Disamping kesalahan dengan menerima pemohon yang buruk, evaluasi kredit juga memungkinkan membuat kesalahan dengan menolak pemohon yang baik. Oleh karena itu setiap perusahaan yang memberikan kredit harus mampu mengevaluasi pemohon kredit dengan objektif, akurat, dan konsisten. Tool yang dapat membantu dalam mengevaluasi kredit dengan objektif, akurat, dan konsisten adalah credit scoring. Penelitian ini berfokus pada pembangunan model credit scoring kredit mobil dengan teknik decision tree. Teknik decision tree dapat membangun model dengan objektif, menghasilkan model yang mudah dipahami, dan tingkat akurasi yang tinggi. Model yang dibangun melibatkan variabel target yaitu risiko kredit dan variabel prediktor yaitu penghasilan, cicilan, uang muka, jumlah periode pinjaman, rekening tabungan, umur pemohon, tagihan telepon, dan tagihan listrik. Dari hasil pengembangan model diperoleh bahwa variabel penghasilan merupakan variabel yang paling penting dalam memprediksi risiko kredit dan tingkat akurasi model sebesar 79.57 persen. Kata kunci: credit scoring; data mining; decision tree; kredit; variabel prediktor; variabel target

Abstrak Seringnya terjadi kerusakan Motor dinamo pada penggunaan mesin produksi granit pada suatu perusahaan industri yang menyebabkan besarnya cost yang harus dikeluarkan dalam perbaikannya, data mining merupakan solusi yang dapat diterapkan dalam menangani permasalahan ini, berdasarkan data-data yang ada metode decision tree mampu mengidentifikasi indikasi-indikasi yang paling mempengaruhi penyebab kerusakan motor dinamo dengan jenis kerusakan terbakar. Dengan begitu user sebagai operator mesin produksi lebih handal dalam memperhartikan indikasi-indikasi tersebut yang harapannya dalam mengurangi tingkat kerusakan pada motor dinamo.