Main Article Content
Abstract
Perkembangan teknologi informasi yang pesat telah mempengaruhi cara penilaian resiko kredit yang
semula dengan cara human judgment bergeser ke arah cara yang formal dan objektif yaitu melalui credit
scoring. Banyak teknik yang dapat membantu dalam pembangunan model credit scoring. Pada perkembangan
terbaru, teknik-teknik yang terdapat di dalam data mining mulai banyak digunakan khususnya teknik decision
tree telah menjadi teknik yang populer. Ada beberapa algoritma decision tree yaitu C5.0, CART, dan CHAID
yang dapat digunakan untuk membangun model tree. Ketiga algoritma tersebut menghasilkan model tree yang
berbeda untuk set data yang sama. Model yang berbeda dapat memberikan keakuratan yang berbeda pula.
Algoritma C5.0 memberikan rata-rata tingkat keakuratan sebesar 87,72%, CART 87,27%, dan CHAID 87,15%.
Dari analisis statistik diperoleh bahwa tidak ada perbedaan performansi yang signifikan di antara ketiga
algoritma tersebut.
Kata kunci: Credit Scoring, Data Mining, Decision Tree, Algoritma C5.0, CART, CHAID
semula dengan cara human judgment bergeser ke arah cara yang formal dan objektif yaitu melalui credit
scoring. Banyak teknik yang dapat membantu dalam pembangunan model credit scoring. Pada perkembangan
terbaru, teknik-teknik yang terdapat di dalam data mining mulai banyak digunakan khususnya teknik decision
tree telah menjadi teknik yang populer. Ada beberapa algoritma decision tree yaitu C5.0, CART, dan CHAID
yang dapat digunakan untuk membangun model tree. Ketiga algoritma tersebut menghasilkan model tree yang
berbeda untuk set data yang sama. Model yang berbeda dapat memberikan keakuratan yang berbeda pula.
Algoritma C5.0 memberikan rata-rata tingkat keakuratan sebesar 87,72%, CART 87,27%, dan CHAID 87,15%.
Dari analisis statistik diperoleh bahwa tidak ada perbedaan performansi yang signifikan di antara ketiga
algoritma tersebut.
Kata kunci: Credit Scoring, Data Mining, Decision Tree, Algoritma C5.0, CART, CHAID