Lemahnya pengawasan dalam proses pemberian kredit kepada karyawan PT. X Group
menyebabkan tingginya kredit macet. Dalam menyalurkan kreditnya, PT. X Group haruslah pintar dalam menilai para nasabah dimasa yang akan datang apakah akan menguntungkan atau tidak. Faktor ini sangatlah penting bagi pihak perusahaan karena hal ini akan menunjukkan bahwa layak atau tidaknya suatu usaha atau individu yang akan diberikan pinjaman atau kredit, pada penelitian ini digunakan teknik data mining klasifikasi dengan metode C4.5 untuk mengetahui apakah nasabah tergolong nasabah lancar ataupun tidak. Dengan penelitian ini diharapkan dapat membantu pihak perusahaan dalam membaca pola pembayaran dari nasabahnya sehingga dapat menentukan apakah nasabah tersebut layak mendapatkan kredit atau tidak dan
menghasilkan rule dari pohon keputusan yang diterapkan pada implementasi sistem klasifikasi data nasabah kredit di PT. X Group
Peer Review Paper
Jurnal
Hadi AF. 2017. Analisis Data Mining Untuk Menentukan Variabel – Variabel Yang Mempengaruhi Kelayakan Kredit Kepemilikan Rumah Menggunakan Teknik Klasifikasi. Jurnal Komputer dan Teknologi Informasi (KomTekInfo). 4 (1): 108–115.
Hermanto B, Sn A, Putra FP. 2017. Analisis Kinerja Decision Tree C4.5 dalam Prediksi Potensi Pelunasan Kredit Calon Debitur. Jurnal Inovasi dan Teknologi (Inovtek) Polbeng Seri Informatika. 2 (2): 189–197.
Hermawati FA. 2013. Data Mining. Yogyakarta: ANDI.
Heryono H, Kardianawati A. 2018. Implementasi Metode Naive Bayes Untuk Klasifikasi Kredit Motor. JOINS (Journal of Information System). 3 (1): 10–21.
Maryandi MS, Yaya R, Supriyono E. 2019. Analisis Pengaruh Faktor Internal Bank Terhadap Non Performing Loan Berdasarkan Generalized Method of Moment. Jurnal Keuangan dan Perbankan. 20 (3): 496–506.
Masripah S. 2016. Komparasi Algoritma Klasifikasi Data Mining untuk Evaluasi Pemberian Kredit. Bina Insani ICT Journal. 3 (1): 187–193.