Philips, Bryan (2018) Perbandingan Algoritma C5.0 Dan Nearest Neighbor Untuk Menentukan Kelayakan Pengajuan Kredit Nasabah Bank. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Data Mining merupakan teknik menambang data yang berjumlah sangat besar menjadi pola-pola tertentu. Klasifikasi merupakan salah satu metode yang ada pada teknologi data mining, C5.0 dan Nearest Neighbor adalah algoritma-algoritma yang bisa digunakan pada metode ini. Cara kerja dari kedua algoritma ini juga sangat menarik, karena memiliki teknik yang berbeda dalam mengklasifikasikan data. C5.0 akan mengubah data menjadi pola-pola yang berbentuk pohon keputusan, sedangkan Nearest Neighbor akan mengklasifikasi data menurut jarak kedekatan antara data yang sudah ada dengan data yang akan diuji. Karena cara kerja kedua algoritma yang berbeda, mendasari penulis untuk membandingkan kedua algoritma ini dengan menggunakan data kelayakan pengajuan kredit nasabah bank yang berada di Maluku Utara, sekaligus dapat menentukan kelayakan nasabah dalam mendapatkan kredit. Karena mengetahui jumlah data yang dimiliki bank sangat banyak, salah satunya yaitu data kelayakan nasabah dalam pengajuan kredit. Hal ini dapat menyebabkan kecerobohan dalam menentukan nasabah mana yang layak mendapatkan kredit. Sehingga dengan adanya aplikasi yang akan dibuat ini, dapat menyelesaikan masalah tersebut. Hasil akhir dari penelitian ini adalah sebuah aplikasi yang dapat membandingkan dua algoritma yaitu C5.0 dan Nearest Neighbor dalam keunggulannya mengklasifikasi data, dan juga dapat menentukan kelayakan pengajuan kredit nasabah bank.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Data Mining, C5.0, Nearest Neighbor, Klasifikasi, Kredit |
| Subjects: | ?? UNIK1516 ?? |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Komputer (S1) |
| Date Deposited: | 31 Jan 2019 10:24 |
| Last Modified: | 31 Jan 2019 10:24 |
| URI: | http://repository.unikom.ac.id/id/eprint/58785 |
Actions (login required)
 |
View Item |
