Angsuran Biaya yang harus dibayarkan setiap bulan
selama peminjaman Nilai Agunan
Besar nilai jaminan yang diserahkan debitur Agunan
Nama nilai jaminan yang diserahkan debitur Jangka Waktu Pinjaman
Jangka waktu jatuh tempo pinjaman
Teknik Pengumpulan Data
Teknik pengumpulan
data yang
digunakan adalah
wawancara dan seleksi data. Wawancara dilakukan dengan melakukan tanya jawab dengan salah satu karyawan bank BPR. Melalui
wawancara tersebut penulis dapat memperoleh data nasabah bank. Setelah data nasabah bank telah diperoleh kemudian diolah penulis
untuk memperoleh profil data nasabah yang ingin melakukan kredit dengan ketentuan tertentu, seperti berapa besar agunan yang dimiliki
dengan pinjaman yang akan dilakukan.
3.2.3 Perancangan Aplikasi
Metodologi yang digunakan dalam penelitian ini adalah metode Knowledge Discovery in Database KDD. Metode KDD memiliki
beberapa tahapan sebagai berikut : a.
Pembersihan Data Data Cleaning Pada tahap pertama ini dilakukan proses pembersihan data untuk
menghilangkan data yang tidak dibutuhkan atau pengganggu noise seperti data yang tidak terisi dan data yang tidak konsisten.
b. Integrasi Data Data Integration
Pada tahap selanjutnyaadalah proses penggabunganbermacam –
macam data dari berbagai sumber menjadi satu kesatuan.Data yang ada sudah terdapat dalam 1 file sehingga tahap ini tidak dilakukan.
c. Seleksi Data Data Selection
Pada tahap ini adalah seleksi data dari atribut yang tidak terpakai. Proses seleksi ini dilakukan dengan memilih atribut yang relevan
yaitu atribut yang bertipe numerikuntuk digunakan dalam penelitian, dan menghapus atribut yang bertipe non numerik atau yang tidak
diperlukan dalam penelitian ini. Atribut yang dapat dilanjutkan untuk penelitian adalah :
Tabel 3. 2 Tabel Seleksi Atribut
Nama Atribut
Jumlah Pinjaman Tunggakan Pokok
Tunggakan Bunga Angsuran
Nilai Agunan Jangka Waktu Pinjaman
d. Transformasi Data Data Transformation
Pada tahap ini merupakan proses dimana data diubah transformasi atau digabungkan sehingga menjadi tepat untuk ditambang dengan
misalnya melakukan operasi penjumlahan atau penggabungan. Beberapa metode data mining membutuhkan format data yang
khusus sebelum bisa diaplikasikan. Pada tahap ini tidak dilakukan tahap transformasi, dikarenakan metode yang digunakan tidak
membutuhkan format yang khusus. e.
Data Mining Pada tahap ini merupakan proses utama saat metode diterapkan
untuk mengekstraksi pola data, menemukan knowledgeberharga dan tersembunyi dari data. Pada proses saat ini digunakan aplikasi
Microsoft Excel.
1. Menentukan Jumlah Cluster
Tahap ini menentukan jumlah clusterc, pangkat untuk matriks partisi w, maksimum iterasi MaxIter, error
terkecil yang diharapkan ξ, fungsi obyektif awal P =0,
dan iterasi awal t = 1.
Tabel 3. 3 Tabel Jumlah Cluster
Komponen Jumlah Cluster Keterangan
Jumlah cluster c = 2
Pangkat untuk matriks partisi w = 2
Maksimum Iterasi MaxIter = 10
Error terkecil yang diharapakan Ξ = 1e
-05
Fungsi objektif awal P
= 0 Iterasi Awal
t = 1 2.
Bangkitkan Nilai Random Tahap ini bangkitkan bilangan random
μ
ik
, i=1,2,...,n; k=1,2,...,c sebagai elemen matriks partisi awal U.
Tabel 3. 4 Tabel Matriks Nilai Random Step 2
Matriks Partisi Awal 0,41
0,86 0,28
0,12 0,73
0,28 0,18
0,17 0,03
0,03 0,12
0,74 0,47
0,36 0,31
0,94 0,91
0,71 0,89
0,69 0,49
0,53 0,38
0,2 0,24
0,16 0,26
0,01 0,49
0,93 3.
Hitung Pusat Cluster ke-k Hitung pusat cluster ke-k : V
kj
, dengan k = 1,2,...,c; dan j = 1,2,...,m.
V
kj
= μ
ik w
∗ X
ij =1
μ
ik w
=1
… … … … … 3.1 Dengan :
V
kj
= pusat cluster ke-k untuk atribut ke-j. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
μ
ik
= derajat keanggotaan untuk data sampel ke-i pada clsuter ke-k.
W = pangkat pembobot. X
ij
= data ke-i, atribut ke-j. Tabel yang berisi hitung pusat cluster ini terlampir pada
lampiran 1.
4. Hitung Fungsi Objektif
Hitung fungsi objektif pada iterasi ke-t menggunakan persamaan berikut :
P
t
= X
ij
− V
kj 2
m j=1
μ
ik w
c k=1
n i=1
… … … … … 3.2 dengan :
V
kj
= pusat cluster ke-k untuk atirbut ke-j μ
ik
= derajat keanggotaan untuk data sampel ke-i pada cluster ke-k
W = pangkat pembobot. X
ij
= data ke-i, atribut ke-j P
t
= fungsi objektif pada iterasi ke-t Tabel yang berisi hitung fungsi objektif ini terlampir pada
lampiran 2.
5. Hitung Perubahan Matriks
Hitung perubahan matriks partisi menggunakan persamaan berikut :
� = X
ij
− V
kj 2
=1
−1 −1
X
ij
− V
kj 2
=1
−1 −1
=1
… … … … … 3.3
Dengan i = 1,2,...,n; dan k = 1,2,...,c. Dimana :
V
kj
= pusat cluster ke-k untuk atribut ke-j PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
μ
ik
= derajat keanggotaan untuk data sampel ke-i pada cluster ke-k.
W = pangkat pembobot. X
ij
= data ke-i, atribut ke-j Tabel yang berisi hitung perubahan matriks ini terlampir pada
lampiran 3.
6. Cek Kondisi Berhenti
Jika : |P
t
– P
t-1
| ξ
Atau t MaxIter
Maka berhenti. Jika tidak: t = t+1, ulangi langkah ke-4.
f. Evaluasi Pola Pattern Evaluation
Pada tahap ini akan dilakukan evaluasi pola dari hasil penamabangan data. Sistem aplikasi clusteringini menggunakan
algoritma Fuzzy C-Meansyang akan menghasilkan data nasabah bank yang telah di kelompokkan. Selanjutnya akan dilihat dan
dievaluasi kembali apakah hasil clustering sudah sesuai dengan hasil yang sebenarnya sehingga dapat melakukan evaluasi hasil clustering
menggunakan uji kualitascluster dengan Silhouette Index SI. g.
Presentasi Pengetahuan Knowledge Presentation Pada tahap ini mempresentasikan atau menampilkan hasil dari pola
yang sudah di dapatkan. Hasil akan di tampilkan dalam sistem aplikasi clustering berbentuk dekstop dengan bahasa Java yang
dirancang dengan desain antarmuka yang mudah di pahami oleh pengguna.
3.3 Kebutuhan Perangkat Lunak dan Keras
