Model Prediksi Risiko Kredit Nasabah Menggunakan Algoritma C4.5
DOI:
https://doi.org/10.35473/jamastika.v4i2.4537Abstract
Sektor keuangan memiliki peran penting dalam memberikan fasilitas kredit kepada nasabah, baik individu maupun perusahaan. Namun, setiap keputusan pemberian kredit mengandung tingkat risiko tertentu, terutama terkait kemungkinan nasabah gagal membayar kewajibannya. Oleh karena itu, diperlukan metode yang efektif untuk mengelola dan memprediksi risiko kredit. Salah satu metode yang banyak digunakan adalah algoritma Decision Tree C4.5, yang mampu menghasilkan model pengambilan keputusan yang mudah dipahami dan diinterpretasikan. Penelitian ini menerapkan algoritma C4.5 untuk membangun model prediksi risiko kredit nasabah, dengan tujuan membantu lembaga keuangan dalam mengevaluasi kelayakan kredit secara lebih akurat dan objektif. Proses klasifikasi dilakukan dengan mengelompokkan data nasabah ke dalam kategori risiko tertentu berdasarkan atribut-atribut seperti pendapatan, lama bekerja, jumlah pinjaman, dan status pembayaran sebelumnya.Hasil eksperimen menunjukkan bahwa algoritma Decision Tree C4.5 mampu membentuk struktur pohon keputusan yang menggambarkan hubungan antar atribut dan menghasilkan aturan klasifikasi (rule set) yang mudah diinterpretasikan. Dari pengujian yang dilakukan, model memperoleh tingkat akurasi sebesar 82,75%, menunjukkan bahwa metode ini cukup efektif dalam mengklasifikasikan tingkat risiko kredit nasabah.
Kata Kunci: Prediksi Risiko Kredit, Algoritma C4.5, Decision Tree, Data Mining, RapidMiner.
References
Afriansyah, Aidil, and Resty Annisa. 2022. “Metode Decision Tree Untuk Memprediksi Kelancaran Angsuran Nasabah Pembiayaan Mikro KCP BSI.” Jurnal Ilmiah Binary STMIK Bina Nusantara Jaya Lubuklinggau 4(2):48–56. doi: 10.52303/jb.v4i2.75.
Anon. n.d. “Credit Risk Dataset.” Retrieved October 17, 2025 (https://www.kaggle.com/datasets/laotse/credit-risk-dataset).
Ardiyansyah, Panny Agustia Rahayuningsih, and Reza Maulana. 2018. “Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Dataset Blogger Dengan Rapid Miner.” Jurnal Khatulistiwa Informatika VI(1):20–28.
Ariadi, Fadly. 2020. “Analisa Perbandingan Algoritma DT C.45 Dan Naïve Bayes Dalam Prediksi Penerimaan Kredit Motor.” KERNEL: Jurnal Riset Inovasi Bidang Informatika Dan Pendidikan Informatika 1(1):1–8. doi: 10.31284/j.kernel.2020.v1i1.1183.
Eka Yuni Titik Artaningsih, and Abdullah Muhajir. 2023. “Komparasi Algoritma Klasifikasi C4.5 Dan C4.5 Berbasis Particle Swarm Optimization Untuk Evaluasi Penentuan Kelayakan Pemberian Kredit Koperasi Di PT. Indah Kiat Pulp & Paper TBK.” Jurnal Sains, Teknologi Dan Masyarakat 3(4):29–48.
Faurika, Faurika, Ahsanun Naseh Khudori, and M. Syauqi Haris. 2024. “Application of Cross-Validation Techniques to Handle Overfitting in a Case Study of Decision Tree Implementation for Lung Cancer Prediction.” ROUTERS: Jurnal Sistem Dan Teknologi Informasi 2(2):111–20. doi: 10.25181/rt.v2i2.3631.
Hidayatsyah, Muhammad Rido. 2020. “Penerapan Metode Decision Tree Dalam Pemberian Pinjaman Kepada Debitur.” PENERAPAN METODE DECISION TREE DALAM PEMBERIAN PINJAMAN KEPADA DEBITUR DENGAN ALGORITMAC4.5 (Studi 5:22.
Kredit, Risiko, and Pada Lembaga. 2024. “Tsalatsatun Nur Rohmah, Kurniawati PENERAPAN DATA MINING ALGORITMA C4.5 DALAM MENGIDENTIFIKASI RISIKO KREDIT PADA LEMBAGA KEUANGAN 1,2.” 2(1):9–16.
Kusmira, Mira. 2021. “Penerapan Data Mining Pengajuan Pembiayaan Perumahan (Consumen Financing) Individual Menggunakan Algoritma C4.5.” Jurnal Khatulistiwa Informatika 7(1):66–71. doi: 10.31294/jki.v7i1.126.
Nasrullah, Asmaul Husnah. 2021. “Implementasi Algoritma Decision Tree Untuk Klasifikasi Produk Laris.” Jurnal Ilmiah Ilmu Komputer 7(2):45–51. doi: 10.35329/jiik.v7i2.203.
Novianti, Triuli, Sri Amaliah Mandati, and Erie Kresna Andana. 2023. “Peningkatan Evaluasi Risiko Kredit Menggunakan Decision Tree C 4.5.” Journal of Manufacturing in Industrial Engineering & Technology 2(2):1–9. doi: 10.30651/mine-tech.v2i2.21749.
Pahlevi, Omar, Harsih Rianto, and Corresponding Author. 2025. “Analisa Komparasi Model Data Mining Algoritma C4.5, CHAID, Dan Random Forest Untuk Penilaian Kelayakan Kredit.” Computer Science (CO-SCIENCE 5(1):49–57.
Puspa, Anindita, Ayu Prayogi, Altha Inas Shofyana, and Dewi Putriani. 2025. “Prediksi Credit Card Approval Menggunakan Algoritma Random.” 2(1).
Saputra, Dwi Bagus, Vihi Atina, and Faulinda Eli Nastiti. 2024. “Penerapan Model Crisp-Dm Pada Prediksi Nasabah Kredit Menggunakan Algoritma Random Forest.” IDEALIS : InDonEsiA JournaL Information System 7(2):240–47. doi: 10.36080/idealis.v7i2.3244.
Wirasena, M. Rifqi, and Julio Warmansyah. 2024. “Penerapan Algoritma C4.5 Untuk Prediksi Kelayakan Pengajuan Kartu Kredit Visa Bagi Nasabah.” TeknoIS : Jurnal Ilmiah Teknologi Informasi Dan Sains 14(2):296–302. doi: 10.36350/jbs.v14i2.266.
