Implementasi Metode Cart Pada Sistem Penentuan Kelayakan Pengajuan Kartu Kredit
Keywords:
Kartu Kredit, CART, Penentuan KelayakanAbstract
- Banyak masyarakat yang tertarik untuk menggunakan kartu kredit sebagai alat pembayaran yang berbentuk kartu dan digunakan sebagai pengganti uang tunai dalam melakukan transaksi. hal ini disnilai karena penggunaan kartu kredit memiliki beberapa keuntungan seperti tidak perlu membawa uang tunai saat bertransaksi, hadiah transaksi reguler, pinjaman jangka pendek, dan jaminan transaksi yang aman. Berdasarkan data dari Statistik Sistem Pembayaran dan Infrastruktur Pasar Keuangan (SPIP) yang diterbitkan oleh Bank Indonesia pada Maret 2023 menunjukkan bahwa Pada bulan Februari 2023, jumlah kartu kredit yang beredar mencapai 17.294.419 unit, meningkat sekitar 2 juta unit dari jumlah pada tahun 2013 yang sebesar 15.091.684 unit. Masalah yang terjadi dalam penentuan kelayakan pemberian kartu kredit adalah, seringnya terjadi kesalahan dalam menentukan nasabah yang layak untuk mendapatkan persetujuan kartu kredit, yang mengakibatkan meningkatnya angka kredit macet pada penggunaan kartu kredit. Metode CART (Clasification And Regression Tree) merupakan salah satu metode yang biasa digunakan untuk menentukan kelayakan pemberian kredit, metode CART memiliki kelebihan strukturnya yang mudah fahami dan juga memiliki kemampuan untuk menangani bentuk data yang bersifat kategorikal ataupun time series. Pada penelitian ini akan menerapkan metode CART pada sistem penentuan kelayakan pemberian kartu kredit, agar dapat meminimalisir kesalahan dalam menentukan nasabah yang layak untuk mendapatkan persetujuan kartu kredit, sehingga dapat menurunkan angka kredit macet pada penggunaan kartu kredit.
References
Anggreany, M. S. (2020). Binus University - School Of Computer Science. Retrieved from socs.binus.ac.id: https://socs.binus.ac.id/2020/11/01/confusion-matrix/
Awad, M., & Khanna, R. (2015). Theories, Concept, and Applications for Engineers and System Designers.
Bruce, P., & Bruce, A. (2017). Practical Statistics for Data Scientists.
Dewi, S. (2019). Komparasi Metode Algoritma Data Mining pada Prediksi Uji Kelayakan Credit Approval pada Calon Nasabah Kredit Perbankan. Jurnal Khatulistiwa Informatika, 59-65.
Hendarsyah, D. (2020). Analisis Perilaku Konsumen Dan Keamanan Kartu Kredit Perbankan. Jurnal Perbankan Syariah, 85-96.
Hilpisch, Y. (2015). Python for Finance.
Hunter, J. D. (2023, Juli). Matplotlib. Retrieved from pypi.org: https://pypi.org/project/matplotlib/
Indonesia, B. (2020, Desember). Bank Indonesia. Retrieved from bi.go.id: https://www.bi.go.id/id/edukasi/Pages/Apa-itu-Kartu-Kredit.aspx
Kurniawan, Y. I., & Barokah, T. I. (2020). Klasifikasi Penentuan Pengajuan Kartu Kredit Menggunakan K-Nearest Neighbor. Jurnal Ilmiah MATRIK, 73-82.
Nelli, F. (2015). Data Analysis and Science Using Pandas, matplotlib, and the Python Programming Language.
Ningsih, P. T., Gusvarizon, M., & Hermawan, R. (2022). Analisis Sistem Pendeteksi Penipuan Transaksi Kartu Kredit dengan Algoritma Machine Learning. Jurnal Teknlogi Informatika dan Komputer MH. Thamrin, 386-401.
Rahmawati, P., Larasati, A., & Marsono. (2021). Pengembangan Model Persetujuan Kredit Nasabah Bank Dengan Algoritma Klasifikasi Naïve Bayes, Decision Tree, Dan Artificial Neural Network. Jurnal Teknik Industri Undip, 1-12.
Russell, R. (2018). Step-by-Step Guide To Implement Machine Learning Algorithms with Python.
Swamynathan, M. (2017). Mastering Machine Learning with Python in Six Steps. Bangalore, Karnataka, India.
VanderPlas, J. (2017). Python Data Science Handbook. United States of America: O’Reilly Media, Inc.,.
Waspada, I., Bahtiar, N., Wirawan, P. W., & Awan, B. D. (2020). Performance Analysis of Isolation Forest Algorithm in Fraud Detection of Credit Card Transactions. Jurnal Ilmu Komputer dan Informatika, 165-175.
Widjiyati, N. (2021). Implementasi Algoritme Random Forest Pada Klasifikasi Dataset Credit Approval. Jurnal Janitra Informatika dan Sistem Informasi, 1-7.
