practical work material · berdasarkan penjelasan yang telah dipaparkan dalam modul ini, dapat...
TRANSCRIPT
Practical Work Material KS091302 – Introduction to Information System
Module 3: Data Mining-Credit Scoring Modul ini menjelaskan tentang apa itu Data Mining khususnya Credit Scoring dan implementasinya dari Tugas Akhir Mahasiswa Sistem Informasi
INFORMATION SYSTEM Department Faculty of Information Technology
Institut Teknologi Sepuluh Nopember
Surabaya
2012
KS091302 – Introduction to IS Practical Work Material
1
OTORITAS DOKUMEN
Prepared by
Eka Ayu K.
Mayangsekar Agintiara
Aswita
Reviewed by
Feby Artwodini M.
Retno Aulia Vinarti
INFORMATION SYSTEM Department, Faculty of Information Technology
Institut Teknologi Sepuluh Nopember
Jl. Raya ITS – SURABAYA 60111
http://si.its.ac.id/
Publish date : 4/03/2013
KS091302 – Introduction to IS Practical Work Material
2
DAFTAR ISI
OTORITAS DOKUMEN ......................................................................................................... 1
DAFTAR ISI ........................................................................................................................... 2
DAFTAR GAMBAR................................................................................................................ 3
DAFTAR TABEL .................................................................................................................... 3
TUJUAN PRATIKUM ............................................................................................................. 4
LANDASAN TEORI ................................................................................................................ 5
Data Mining ................................................................................................................ 5
Credit Scoring ............................................................................................................. 6
IMPLEMENTASI ................................................................................................................... 7
Judul ........................................................................................................................... 7
Abstrak ....................................................................................................................... 7
Metode ....................................................................................................................... 7
Proses Pembobotan AHP .............................................................................................. 7
Desain Fuzzy-AHP .......................................................................................................... 7
Pemetaan Data Riwayat ................................................................................................ 7
Desain Aplikasi............................................................................................................... 8
Implementasi Aplikasi ................................................................................................... 8
Hasil dan Pembahasan ............................................................................................... 8
KESIMPULAN ..................................................................................................................... 13
DAFTAR PUSTAKA ............................................................................................................. 14
KS091302 – Introduction to IS Practical Work Material
3
DAFTAR GAMBAR
Gambar 1 Alur Proses Data Mining................................................................................ 5
Gambar 2 Faktor Credit Scoring ..................................................................................... 6
Gambar 3 Algoritma Penunjang Aplikasi ....................................................................... 8
Gambar 4 Menu Utama ................................................................................................. 9
Gambar 5 Menu Perhitungan Nilai Rekomendasi Kredit............................................... 9
Gambar 6 Hasil Keputusan Rekomendasi .................................................................... 11
Gambar 7 Menu Alasan dan Rekomendasi .................................................................. 11
Gambar 8 Menu Pencarian .......................................................................................... 12
DAFTAR TABEL
Tabel 1 Penjelasan Interface .......................................................................................... 9
KS091302 – Introduction to IS Practical Work Material
4
TUJUAN PRATIKUM
Pratikum ini bertujuan untuk mengenalkan peserta pratikum terhadap :
1. Data Mining dan Credit Scoring
2. Implementasi Credit Scoring
Diharapkan peserta partikum mampu menguasai materi ini dan bisa menerapkannya pada
mata kuliah Pengantar Sistem Informasi
KS091302 – Introduction to IS Practical Work Material
5
LANDASAN TEORI
Data Mining
Data Mining adalah sebuah proses penggalian data yang digunakan untuk mencari
informasi dan pengetahuan yang berguna, dimana diperoleh dari data-data yang dimiliki.
Data mining sangat perlu diperlukan untuk dilakukan terutama dalam mengelola
data yang sangat besar hal ini sangat memudahkan aktifitas recording suatu transaksi dan
untuk proses data warehousing agar dapat memberikan informasi yang akurat bagi
penggunanya.
Berikut merupakan proses yang terjadi dalam Data Mining :
Gambar 1 Alur Proses Data Mining
1. Pembersihan Data : yaitu menghapus data pengganggu (noise) dan mengisi data
yang hilang.
2. Integrasi Data : yaitu menggabungkan berbagai sumber data.
3. Pemilihan Data : yaitu memilih data yang relevan.
4. Transformasi Data : yaitu mentransformasi data ke dalam format untuk diproses
dalam penggalian data.
5. Penggalian Data : yaitu menerapkan metode cerdas untuk ekstraksi pola.
6. Evaluasi pola : yaitu mengenali pola-pola yang menarik saja.
7. Penyajian pola : yaitu memvisualisasi pola ke pengguna.
(Wikipedia,Data Mining 2012)
Pada penerapannya Data Mining biasanya digunakan untuk menganalisa pasar dan
manajemen. Dengan menggunakan Data Mining banyak manfaat yang didapat, diantaranya
adalah :
1. Menembak target pasar
2. Melihat pola pembelian pelanggan dari waktu ke waktu
3. Cross market Analysis
4. Profil pelanggan
KS091302 – Introduction to IS Practical Work Material
6
5. Identifikasi kebutuhan pelanggan
6. Menilai loyalitas pelanggan
7. Informasi summary
Credit Scoring
Berawal dari Fair Isaac and Company yang merupakan sebuah perusahaan berbasis
di California, didirikan pada tahun 1956 oleh Bill Fair dan Earl Isaac. Mereka mulai bidang
credit scoring untuk lembaga keuangan. Mereka tumbuh dalam bidang sistem keputusan
analis dan konsultasi. Hingga semua lembaga kredit dan pemberi pinjaman yang ingin
mengetahui skor kredit pelanggan mulai menggunakan perangkat lunak dari Fair Isaac and
Company.
Credit Scoring sendiri atau Penilaian Kredit (dalam Bahasa) adalah sistem/cara yang
digunakan oleh bank atau lembaga pembiayaan lainnya yang berguna untuk menentukan
apakah nasabah layak atau tidak mendapatkan pinjaman.
Credit scoring ini merupakan kumpulan data nasabah yang diambil dari data aplikasi
pinjaman nasabah. Selain dengan menggunakan program statistik yang berisi tentang
sejarah pinjaman nasabah yang antara lain mengenai bagaimana siklus pembayaran tagihan
nasabah, apakah nasabah membayar tagihan secara tepat waktu atau tidak, berapa banyak
kredit yang masih atau pernah nasabah miliki.
Gambar 2 Faktor Credit Scoring
Credit scoring membantu bank dalam menganalisa permohonan kredit nasabah
selain faktor-faktor kualitatif lainnya. Selain itu, dengan credit scoring kreditur dapat
membandingkan informasi debitur dengan kinerja pinjaman nasabah lain dengan profil yang
sama.
Fungsi Credit Scoring selain membantu bank menentukan apakah pinjaman nasabah
disetujui atau tidak, tetapi juga menentukan berapa besarnya pinjaman yang akan nasabah
peroleh, berapa term yang nasabah dapatkan serta berapa besarnya bunga pinjaman yang
dikenai. Jika ternyata hasil Credit Scoring nasabah kecil, nasabah kemungkinan masih dapat
memperoleh pinjaman tetapi dengan bunga yang lebih tinggi, atau nasabah diharuskan
memberikan jaminan/agunan.
KS091302 – Introduction to IS Practical Work Material
7
IMPLEMENTASI
Implementasi Credit Scoring dapat dilakukan dengan menggunakan Microsoft Excel.
Salah satu contohnya adalah pada tugas akhir milik alumni Sistem Informasi ITS berikut.
Judul
“Sistem Pendukung Keputusan untuk Persetujuan Pengajuan Kredit dengan Metode
Fuzzy-AHP: Studi Kasus di PT. Bank XYZ”
Abstrak
Permohonan kredit dalam suatu Bank sudah semakin meningkat, membuat Bank
yang menggunakan penghitungan manual membutuhkan waktu yang lama untuk memberi
keputusan diterimanya suatu kredit. Dengan adanya Fuzzy Analytical Hierarchy Process
(Fuzzy AHP) dapat membantu mengatasi masalah yang ada. Namun, karena kriteria kredit
yang ada bersifat subyektif, metode AHP memiliki suatu kelemahan dalam hal tersebut.
Kemudian kelemahan itu ditutup oleh Fuzzy logic. Metode tersebut digunakan untk
menentukan keputusan akhir permohonan kredit. Hasil keluaran dari system pendukung
keputusan disesuaikan dengan aturan dan POB (Standard Operating Procedure), setelah itu
dilakukan verifikasi dan validasi terhadap data riwayat permohonan kredit PT. Bank XYZ.
Metode
Proses Pembobotan AHP Pada proses ini dilakukan untuk mengetahui konsistensi dari hirarki tang dibangun.
Hirarki tersebut berdasar dari teori dan praktek yang ada pada studi kasus. Langkah yang
paling penting dalam prsoes ini yaitu menentukan kriteria penilaian permohonan kredit,
setelah itu dibaut matriks perbandingan dan berpasangan dari kriteria yang sduah
ditentukan. Setelah itu dilakukan perhitungan normalisasi matriks dan penghitungan eigen
vector. Selanjutnya dengan menghitung bobot prioritas dab bobot sintesis untuk
menentukan perhitungan nilai eigen maksimum. Dan yang terakhir dengan dilakukan
pengujian konsistensi untuk menentukan langkah selanjutnya yaitu desain Fuzzy-AHP
Desain Fuzzy-AHP Proses ini untuk mem-fuzzy-kan bobot dari perbandingan berpasangan yang telah
dilakukan diawal dan menghasilkan nilai fuzzy. Terdapat 6 langkah yangharus dilakukan dan
yang paling utama adalah mentransformasikan nilai yang ada.
Pemetaan Data Riwayat Pemetaan data riwayat dilakukan agar memiliki skala. Tahap yang dilakukan yaitu
dengan memetakan masing-masing kriteria dan pemetaan menentukan nilai keluaran
Fuzzzy-AHP untuk diklasifikasikan sebagi keputusn permohonan kredit. Jika nilai perhitungan
Fuzzy-AHP melebihi batasanm maka permohonan diterima, begitu juga sebaliknya. Namun
sebelum menentukan pemetaan nilai keputusan harus dilakukan penghitungan data riwayat
dengan bobot Fuzzy AHP yang telah ditentukan. Kemudian dilakuakn memilih kandidat
KS091302 – Introduction to IS Practical Work Material
8
batasan nilai keluaran Fuzzy AHP dan masing-masing kandidat dihitung nilai Recall, Precision
dan F1 lalu dipilih nilai F1 yang terbaik. Tidak semua data yang digunakan untuk pemetaan,
namun ada juga data yang digunakan untuk uji coba dan validasi hasil keluaran aplikasi
Desain Aplikasi Proses pembuatan aplikasi ini dimulai dengan analisa kebutuhan. Kebutuhan utama
aplikasi ini adalah sebagai alat bantu perhitungan terhadap suatu permohonan kredit,
hingga dihasilkan suatu rekomendasi keputusan apakah disetujui atau ditolak. Sementara,
kebutuhan lain dari aplikasi ini adalah sebagai berikut:
Informasi alasan permohonan kredit ditolak
Simulasi agar permohonan kredit disetujui
Menu penyuntingan data riwayat
Fungsi pencarian
Proses pembuatan aplikasi ini kemudian dilanjutkan dengan membuat algoritma
penunjang yang ditunjukkan pada gambar berikut.
Gambar 3 Algoritma Penunjang Aplikasi
Implementasi Aplikasi Hasil pembuatan aplikasi berdasarkan proses desain aplikasi yang telah dilakukan
dibangun dengan menggunakan macro excel dan bahasa pemrograman Vb. Dalam
implementasinya, aplikasi ini memiliki 3 langkah kerja, yaitu sebagai berikut:
Rekomendasi keputusan
Rekomendasi perubahan permohonan kredit
Penyimpanan data riwayat dan pencarian
Hasil dan Pembahasan
Tampilan awal dari aplikasi ini adalah berupa Menu Utama. Pada menu ini, user
dapat memilih akan melakukan fungsi perhitungan atau pencarian.
KS091302 – Introduction to IS Practical Work Material
9
Gambar 4 Menu Utama
Apabila user memilih tombol Perhitungan, maka user akan masuk pada Menu
Perhitungan Nilai Rekomendasi Keputusan yang berupa form berisikan data-data yang
dibutuhkan untuk memberikan hasil rekomendasi apakah permohonan kredit user akan
diterima atau tidak. Tampilan menu ini ditunjukkan seperti pada gambar berikut.
Gambar 5 Menu Perhitungan Nilai Rekomendasi Kredit
Untuk mendapatkan keputusan rekomendasi, seluruh field yang tersedia harus diisi
terlebih dahulu. Penjelasan untuk masing-masing field adalah seperti pada tabel berikut.
Tabel 1 Penjelasan Interface
Nama Nama user yang ingin melakukan pengajuan kredit.
Pendapatan Total pendapatan user.
Plafon Jumlah dana maksimum yang dapat ditarik oleh user.
Jangka waktu Batas waktu pelunasan kredit.
Proyeksi pendapatan Perkiraan total pendapatan user di masa mendatang.
RPC pendapatan RPC merupakan singkatan dari Repayment Capacity. Artinya adalah kemampuan user untuk membayar kembali kredit berupa bunga dan pokok pinjaman.
KS091302 – Introduction to IS Practical Work Material
10
Kekayaan Total aset yang dimiliki oleh user.
Nilai risiko hutang Kemungkinan terjadinya risiko apabila user melakukan kredit. Skalanya adalah antara 1 sampai 50. Semakin tinggi nilainya, maka semakin tinggi pula kemungkinan user tidak menerima kredit.
Sedang berhutang Apakah user sedang memiliki hutang atau tidak.
Histori hutang Jumlah berapa kali user pernah melakukan hutang.
Status SID SID merupakan singkatan dari Sistem Informasi Debitur. Artinya, dilakukan analisa apakah user memiliki kredit di bank lain dan bagaimana status kredit tersebut, apakah lancar atau macet. Semakin tinggi nilainya, maka semakin tinggi pula kemungkinan user tidak menerima kredit.
Perbandingan agunan dan plafon Agunan berarti jaminan, jadi berapa nilai jaminan yang diberikan oleh user dibandingkan dengan plafon.
Pemilik agunan Status kepemilikan agunan.
Selain itu, terdapat pula beberapa aturan dalam pengisian form tersebut, yaitu
sebagai berikut:
Pada kotak teks isian yang berhubungan dengan uang, isikan data dalam ribuan.
Misalnya, pendapatan asli pemohon kredit adalah Rp 7.000.000,00, maka isi kotak
teks dengan 7000.
Isikan angka tanpa separator (tanda baca), kecuali kotak teks Nama dan
Perbandingan Agunan dengan Plafon.
Gunakan separator titik (.) pada kotak teks Perbandingan Agunan dengan Plafon.
Contoh: 0.97.
Kemudian, setelah selesai melakukan pengisikan, klik tombol Hitung. Maka akan
muncul hasil keputusan rekomendasi apakah pengajuan kredit tersebut diterima atau
ditolak. Tampilannya adalah seperti pada gambar berikut.
KS091302 – Introduction to IS Practical Work Material
11
Gambar 6 Hasil Keputusan Rekomendasi
Apabila hasil keputusan rekomendasi ditolak, tombol Alasan dapat diakses untuk
mengetahui alasan mengapa pengajuan kredit ditolak beserta beberapa rekomendasi
perubahan data. Apabila nilai pada rekomendasi tersebut digunakan, maka permohonan
kredit akan diterima.
Gambar 7 Menu Alasan dan Rekomendasi
Selain melakukan fungsi perhitungan, user juga dapat melakukan fungsi pencarian
berdasarkan nama atau ID.
KS091302 – Introduction to IS Practical Work Material
13
KESIMPULAN
Berdasarkan penjelasan yang telah dipaparkan dalam modul ini, dapat diambil
beberapa kesimpulan sebagai berikut:
1. Proses Data Mining, terutama Credit Scoring dapat diimplementasikan dalam
kehidupan sehari-hari, yaitu untuk membantu bank dalam menganalisa permohonan
kredit nasabah dan menentukan apakah pinjaman nasabah akan disetujui atau tidak.
2. Hasil tugas akhir mahasiswa Jurusan Sistem Informasi ITS yang merupakan
implementasi dari Credit Scoring, yaitu aplikasi rekomendasi keputusan permohonan
kredit di PT. Bank XYZ menggunakan metode Fuzzy-AHP dapat membantu Analyst
Officer (AO) dalam melakukan analisis permohonan kredit dengan lebih efektif dan
fleksibel daripada penggunaan perhitungan manual yang biasa dilakukan
sebelumnya.
KS091302 – Introduction to IS Practical Work Material
14
DAFTAR PUSTAKA
http://id.wikipedia.org/wiki/Penggalian_data
http://kc99lounge.blogspot.com/2010/07/data-mining.html
http://www.wealthindonesia.com/commercial-bank/penilaian-kredit-credit-
scoring.html
http://www.sas.com/offices/asiapacific/indonesia/news/Credit_Scoring_IDN.html
http://rezqiwati.wordpress.com/2009/04/24/data-mining-%E2%80%93-proses-
tahapan-dan-penerapannya/
http://2havegoodcredit.wordpress.com/credit-works/