Kredit merupakan hal utama pada lembaga keuangan yang berpengaruh pada pertumbuhan dan perkembangan lembaga tersebut. Lemahnya pengawasan dan manajemen dalam proses pemberian kredit kepada nasabah dapat menyebabkan tingginya kredit macet. Masalah ini terjadi pada salah satu lembaga keuangan yang memberikan kredit pada nasabah yaitu BMT X. Data tahun 2019 menunjukkan terdapat 600 ajuan kredit multiguna. Dari jumlah tersebut, hanya sekitar 76% menunjukkan kolektabilitas yang baik. Kondisi

more »

... ilitas kredit yang tidak maksimal menyebabkan BMT X harus mengeluarkan biaya lebih untuk mengumpulkan angsuran yang harus dibayarkan oleh debitur secara langsung. Kredit macet ini menimbulkan kerugian pada lembaga keuangan yang bersangkutan. Untuk itu, dalam memberikan kredit, BMT X harus cerdas menilai kelayakan nasabah. Tujuan penelitian ini adalah menyusun rancangan kebijakan BMT X guna meminimasir kesalahan prediksi nasabah dengan kategori kredit macet. Teknik yang digunakan pada penelitian ini yaitu data mining klasifikasi dengan algoritma J.48. Untuk mengukur efektivitas suatu atribut dalam mengklasifikasikan kumpulan sampel data, harus dipilih atribut yang memiliki information gain terbesar yang akan diletakkan pada root node. Penelitian ini menghasilkan enam rule dengan tingkat akurasi sebesar 80,2% sehingga dapat digunakan pihak BMT X untuk menggali informasi kelayakan nasabah untuk mendapatkan kredit. Kata kunci: Algoritma J.48, data mining, pohon keputusan, resiko kredit