Hal Salah satu penyebab kredit bermasalah berasal dari pihak internal, yaitu kurang telitinya tim dalam melakukan survei dan analisis, atau bisa juga karena penilaian dan analisis yang bersifat subjektif. ini dapat diatasi menggunakan teknik seleksi lain yang memiliki ketelitian analisis dan penilaian yang bersifat objektif, yaitu aplikasi komputer yang menggunakan teknik data mining. Teknik data mining digunakan dalam penelitian ini untuk klasifikasi resiko pemberian kredit dengan menerapkan algoritma Classification Based On Association (CBA). Algoritma ini merupakan salah satu algoritma klasifikasi dalam data mining yang mengintegrasikan teknik asosiasi dan klasifikasi. Data kredit awal yang telah di-preprocessing, diproses menggunakan algoritma CBA untuk membangun model, lalu model tersebut digunakan untuk mengklasifikasi data pelaku usaha baru yang mengajukan kredit ke dalam kelas lancar atau macet. Teknik Pengujian akurasi model diukur menggunakan 10-fold cross validation. Hasil pengujian menunjukkan bahwa rata-rata nilai akurasi menggunakan algoritma CBA (57,86%), sedikit lebih tinggi dibandingkan ratarata nilai akurasi menggunakan algoritma Naive Bayes dan SVM dari perangkat lunak Rapid Miner 5.3 (56,35% dan 55,03%).

This can be solved One of the causes of non-performing loans come from the internal, is caused by a lack of rigorous team in conducting the survey and analysis, or it could be due to subjective evaluation and analysis. using other selection techniques that have the thoroughness of analysis and objective assessment, the computer application that uses data mining techniques. This algorithm is Data mining technique was used in this study to classify credit risk by applying algorithms Classification Based on Association (CBA). an algorithm classification of data mining which integrating association and classification techniques. Preprocessed initial-credit data, will be processed using the CBA algorithm to create a model of which is to classify the new loan data into swift class or bad one. was measured Testing techniques the accuracy of the model by 10-fold cross validation. The result shows that the accuracy average value using the CBA algorithm (57,86%), was slightly higher than those using the algorithms of SVM and Naive Bayes from Rapid Miner 5.3 software (56,35% and 55,03%, respectively).

Kata Kunci : classification based on association, CBA, data mining, klasifikasi, resiko pemberian kredit