Analisis Keterlambatan Pembayaran dalam Industri Fintech Menggunakan Algoritma C4.5

  • Ricky Sudirman Universitas Bina Sarana Informatika
  • Indira Oktavia Universitas Bina Sarana Informatika
  • Fitri Handayani Sarumaha Universitas Bina Sarana Informatika
  • Bibit Sudarsono Universitas Bina Sarana Informatika

Abstract

Keterlambatan pembayaran merupakan masalah yang umumnya dihadapi oleh
perusahaan di berbagai sektor. Dalam industri fintech, di mana layanan keuangan digital
semakin mendominasi, keterlambatan pembayaran sering ditemukan di banyak kasus. Oleh
karena itu, penelitian ini bertujuan untuk mengembangkan metode yang dapat menganalisis
keterlambatan pembayaran pelanggan di industri fintech. Tujuan utama yaitu membantu
perusahaan mengidentifikasi pelanggan yang akan mengalami keterlambatan pembayaran,
sehingga mereka dapat mengambil tindakan yang tepat. Dalam penelitian ini, penulis
mengumpulkan data outstanding pembayaran perbulan, penerima pinjaman berdasarkan umur,
jenis kelamin dan faktor-faktor lain yang mungkin mempengaruhi keterlambatan pembayaran.
Algoritma C4.5 digunakan untuk membangun pohon keputusan atau decision tree yang dapat
menganalisa kemungkinan keterlambatan pembayaran. Diharapkan dengan penggunaan metode
Algoritma C4.5 ini mampu memberikan analisis yang akurat terkait keterlambatan pembayaran
pelanggan. Dengan demikian, perusahaan fintech dapat mengambil langkah-langkah yang lebih
efektif dalam menghadapi permasalahan ini dan meningkatkan manajemen risiko kredit mereka.
Penelitian ini memiliki relevansi signifikan dalam industri fintech yang terus berkembang, di
mana pemahaman terhadap perilaku pelanggan dan manajemen risiko kredit menjadi faktor
kunci dalam keberhasilan perusahaan.

References

[1] Muhamad, R., Maulina, E. and Kostini, N. (2018). “Fintech As One of The Financing Solutions For SMEs”, AdBispreneur : Jurnal Pemikiran dan Penelitian Administrasi Bisnis dan Kewirausahaan, 3(2), 89-100.

[2] Muzdalifa, I., Rahma, I. A., & Novalia, B. G. (2018). “Peran Fintech Dalam Meningkatkan Inklusif Keuangan Pada Umkm Di Indonesia”, Masharif Al-Syariah: Jurnal Ekonomi Dan Perbankan Syariah, 3(1), 1–24.

[3] Nur, Q. (2021). “Implementasi Konsep Business To Customers Nusa.Net Dengan Teknologi M-Commerce Menggunakan Metode Feature Driven Development”, Bulletin of Information Technology (BIT), 2(2), 45-50.

[4] Mardi, Y. (2017) “Data Mining : Klasifikasi Menggunakan Algoritma C4.5”. Jurnal Edik Informatika, 2(2), 213–219.

[5] Widayati, Q. (2018) “Penerapan Data Mining Menggunakan Metode Teknik Classification Untuk Melihat Potensi Kepatuhan Wajib Pajak Bumi Dan Bangunan”, Jurnal Ilmiah MATRIK, 20(2), 163-174.

[6] Novilla, D. A., Goejantoro, R. and Amijaya, F. D. T. (2019) “Klasifikasi Data Nasabah Asuransi Dengan Menggunakan Metode Naive Bayes ( Studi Kasus : PT . Prudential Life Jalan Mt . Haryono Samarinda ) Classification of Insurance Data Customers Using Naive Bayes Method ( Case Study : PT . Prudential Life MT . Haryono”, Jurnal EKSPONENSIAL, 10(2), 95–102.

[7] Kamagi, D. H. and Hansun, S. (2014) “Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa”, Jurnal ULTIMATICS, 6(1), 15–20.

[8] Saputro, T.W. (2020) “Metode Deskripsi Untuk Mengetahui Pola Belanja Konsumen Pada Data Penjualan”, Jurnal INTEK, 3(1), 25-33.

[9] Nainel, L.Y, Buulolo, E and Lubis, I. (2020) “Penerapan Data Mining Untuk Estimasi Penjualan Obat Berdasarkan Pengaruh Brand Image Dengan Algoritma Expectation Maximization (Studi Kasus: PT. Pyridam Farma Tbk)”, JURIKOM (Jurnal Riset Komputer), 7(2), 214-224.

[10] Hendrian, S. (2018) “Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan”, Faktor Exacta, 11(3), 266-274.

[11] Jannah, N and Yulianto, T. (2016) “Mengelompokkan Siswa Berprestasi Akademik dengan Menggunakan Metode K Means VII MTs Hidayatul Mubtadi’in Pancoran Kadur”, Zeta Math Journal, 2(2), 41-45.

[12] Astuti, D. T, Hermanto, I.T and Kaniawulan, I. (2016) “Analisa Data Mining Menggunakan Algoritma Apriori Untuk Meningkatkan Cross Selling dan Up Selling (Studi Kasus Rumah Makan Mas Nurpurwakarta)”, Jurnal Teknologi dan Informasi (JATI), 6(2), 69-77.

[13] Andriani, A. (2012) “Penerapan Algoritma C4.5 Pada Program Klasifikasi Mahasiswa Dropout”, in Seminar Nasional Matematika, 139–147.

[14] Putranto, R. A., Wuryandari, T. and Sudarno (2015) “Perbandingan Analisis Klasifikasi antara Decision Tree dan Support Vector Machine Multiclass untuk Penentuan Jurusan pada Siswa SMA”, JURNAL GAUSSIAN, 4(4), 1007–1016.
Published
2024-06-10