<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="2154">
 <titleInfo>
  <title>Implementasi Data Mining Untuk Kelayakan Kredit Rumah (Kpr) Mengunakan Algoritma C4.5 (Studi Kasus :</title>
  <subTitle>Pt. Arcon Realtindo)</subTitle>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Sahrul Mustazirin</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">JAKARTA</placeTerm>
  </place>
  <publisher>USNI</publisher>
  <dateIssued>2018</dateIssued>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent></extent>
 </physicalDescription>
 <note>Proses perhitungan kelayakan nasabah pada PT.Arcon Realtindo yang&#13;
akan mengajukan kredit perlu dilakukan proses atau perhitungan - perhitungan&#13;
secara teliti dan detail. Salah satu bank yang memberikan layanan Kredit&#13;
Pemilikan Rumah (KPR) memerlukan proses penanganan yang cepat dan tepat&#13;
dalam menentukan calon nasabah yang diterima atau ditolak. Sehingga&#13;
dibutuhkan suatu sistem yang mendukung untuk memudahkan analis kredit dan&#13;
marketing dalam perhitungan kelayakan nasabah. Untuk mengimplementasikan&#13;
sistem diperlukan suatu metode. Metode pohon keputusan adalah suatu metode&#13;
yang digunakan untu pengklasifikasian data. Dalam pemilihan calon nasabah KPR&#13;
dengan menggunakan nilai-nilai variabel kredit yang dimasukkan terlebih dahulu&#13;
berupa kategori-kategori kredit yang dibutuhkan yaitu umur, penghasilan, harga&#13;
rumah, jangka waktu, pinjaman bank lain dan blacklist bank, kemudian&#13;
dikategorikan lagi menjadi 5 kategori variabel kredit yaitu usia, penghasilan,&#13;
pinjaman bank lain, harga rumah dan blacklist bank, teknik klasifikasi&#13;
menggunakan pohon keputusan dengan algoritma C4.5 maka akan di hasilkan&#13;
beberapa rule atau pengetahuan dari suatu kasus.</note>
 <note type="statement of responsibility">Sahrul Mustazirin</note>
 <subject authority="">
  <topic>Teknik Informatika</topic>
 </subject>
 <subject authority="">
  <topic>ALGORITMA C4.5</topic>
 </subject>
 <subject authority="">
  <topic>KEAMANAN RUMAH</topic>
 </subject>
 <classification>NONE</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Institutional Repository USNI Universitas Satya Negara Indonesia</physicalLocation>
  <shelfLocator></shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">8220167</numerationAndChronology>
    <sublocation>Perpustakaan USNI Kampus A (SKRIPSI)</sublocation>
    <shelfLocator></shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="2175" url="" path="/97562595c2af7436bb3235defb6468b2.pdf" mimetype="application/pdf">Implementasi Data Mining Untuk Kelayakan Kredit Rumah (Kpr) Mengunakan Algoritma C4.5 (Studi Kasus : Pt. Arcon Realtindo)</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>2154</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2022-06-22 13:47:57</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2022-06-23 09:15:08</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>