CASE BASED REASONING UNTUK KELAYAKAN MENDAPATKAN KREDIT SEPEDA MOTOR (studi kasus: KSP Kharisma Indonesia)

FX. HENRY NUGROHO, Dra. Sri Hartati, M.Sc., Ph.D

2013 | Tesis | S2 Ilmu Komputer

Mobil dan sepeda motor adalah alat transportasi yang paling popular di Indonesia. Pembelian motor bisa dilakukan dengan pembayaran secara kontan ataupun kredit. Berdasarkan kondisi yang diuraikan jika konsumen membeli sepeda motor dengan cara kredit, maka kemampuan menganalisa kelayakan seorang calon pembeli merupakan suatu hal yang penting. Case Based Reasoning( CBR) merupakan salah satu metode yang mampu melakukan penalaran dengan berdasarkan kasus-kasus lama yang sudah tersimpan di case base. Penelitian ini menggunakan 15 fitur untuk mengetahui gambaran kondisi nasabah ketika dilakukan survey. Terdapat tiga fitur yang diproses dengan fuzzy, yaitu fitur pendapatan, skor karakter dirumah, skor karakter di tempat kerja. Hasil dari 15 fitur akan menjadi inputan bagi proses indexing. Metode untuk proses indexing menggunakan naive bayes . Pengguna sistem aplikasi ini ada dua, yaitu petugas administrasi dan kepala unit. Keluaran dari sistem ini adalah pengajuan kredit diterima atau pengajuan ditolak. Pengujian sistem dilakukan menggunakan 20 kasus baru dan 20 kasus di casebase. Hasil pengujian menunjukkan dari 20 kasus yang diujikan, sistem telah mampu menghasilkan keputusan sebanyak 17 kasus(85%), 3 kasus yang lain keputusannya dilakukan oleh Kepala Unit.

Car and motor cycle are the most popular transportation vehicle in Indonesia. People can buy a car or a motor cycle by cash or credit. Based on that situation, ability to assessment about account condition who want to buy a motor by credit are important. Case Based Reasoning(CBR) is a method that using old case in case base for reasoning. This research using 15 features based on survey to describe about account condition. There are three features, processed earlier with fuzzy: salary, score of character at home, score of character at work. Ouput from features will be as input in indexing process. Method for indexing is naive bayesian. There are two user in this system: administration employee and Unit Head. Output from this system are refused credit or accepted credit. In this system are using 20 data knowledge in casebase. There are 20 new cases used for testing. The result is system can gives 17 recomendation (85%). Three recomendation are handled by unit head.

Kata Kunci : sepeda motor, kredit, cbr, fuzzy, naive bayes