IJIBEC International Journal of Islamic Business and Economics International Journal of Islamic Business and Economics Av a i l a b l e a t h t t p : / / e - j o u r n a l . i a i n p e k a l o n g a n . a c . i d / i n d e x . p h p / I J I B E C / ������� �� Keywords: H{{�(�������"�G������� ��������"�*��� ��( ����� � ������ *��� �� �������$������������������ ������� �����)�� ������"� ���� ���������� ����������� ���������� ����������$���������� ������ ���������� ������������� ������� ������������ �� �� ��� ������� ���$������ ;����� �� ���� ����� ����� ���� ����� �� ������ ���� � ��� ������ ��� ������ ����� �� ��� ������� �������������� ����� ������ �� ��������-�$���������������� ��� ������ ��������� ���� ���� �� � ��� � ��� ���� �� � ��� ��� ����� �������� �� ����������� � ��� ���� � ���� ����������� <���� ���� ��������������� ������� �������������� ��� ������������ ����������������E�������� �F��3� ���������������� ��� ��������$� ���� ���������������$����-*)��� �� ��������� � ��������������� �� ���������$����� ��� ������$�������������� ����3������������� gain algorithm �������������������������� ������$�������$����� �S� �������G������������������������������������������S� ������ ����� � 6������ �� ������ 3� �� ������ ��������� �� ���� ������� ��� �������������������S� ������ �#��������������� !�������������� <� ���� �S� ����� (�� ��� -*)� �������� ��� ����� ��� ����� �� �� �S� ������������������������������� �$���������� ���� ���� � &?���+�� 3��� ������� �$� ����� !������ �� ��� H/{������� {� ������� ����� ���� ������ ����� ������ �� ��� �������� �$� g��Y_� $��� -*)� ������������Y��D_�$������������������[���$������������������� both datasets. Data Attribute Selection with Information Gain to Improve Credit Approval Classification Performance using K-Nearest Neighbor Algorithm Ivandari, Tria Titiani Chasanah, Sattriedi Wahyu Binabar, & M. Adib Al Karomi STMIK Widya Pratama Pekalongan E-mail: Ivandarialkaromi@gmail.com Article history: Received : 7 May 2017 Accepted : 17 May 2017 Published : 1 June 2017 I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 216 ��� �������� *��� �� ������������ ������� ����$����������� ����������������� ������������������������������ ��������� ���������������������������� ���>����$������� �������$���� ������� � ������������� �� ������ ��������� ������ �������������������� ���������� ����3��������������[������������������������� ������� ���������������� ���������������$�$������������3���� �����������$��������������������� !���� ������� ������������ ���������������������������������� ������� ��� ��� ����������������� @���� ggD� ���������� ������ $���� !���� ��� ���� ���� ��� �� ��� �� )������ �� ��������� ����� �DD� �$����������� �������� �� �������������� ���� ������"��� ���������������������� ������� �� ������������ ��������������������������������������� � �� �������������g_��$����������������� 3��� �������� ���� �� � ������ ������ $���� -*)� �� �� ����� �� ���� ����� �$� ���� �� ����� �������� 3�����������S� ������������� ����������� ��������������� ������������$�������������������� ���� 3� ���������� ��� ������������������������������������� ��$���������$������ !����������� ������3� �� ���� ��� �������������� ���� ��� ������������������������������������� ���}�https://archive.ics.uci. edu/ml/datasets/Credit+Approval��3�����������$����������$��� ���������� ��DU �� ����D��S� ������ �����$��� ��� �����������S� ������3����������S� ��������������������Y g��������������ZZ��_������ ���� �� ����������������"��� ���Y\Y��������_��������������������� �� 3��� ������ ������� �$� ���� ���� �� ���������� � ��� ����� ���� ��� ���� ��6��� $���� !���� ��� ������ %��������� ���� ������ ���� ��� ����� ��� ��������� ���������� ����� ��N�������� ��$���� ���� ���� ��� ������ ��� ����&��������O�(��H���� "�� �D+��*����������������������������������� ��� ���� �������� ���� ����� $���� ���� ��� ���� �� ��� ��� ���� ��� � ��� ��� ��� �� ������ $��� ���� ��L�� ��� ������ ����������� @���� � � ��� ���� �����?�� ���� ������ ��� !��� �S����� $���� ����� ��� �� ��� �S���� ������ ���� ����� j���� ����� ��� ��������� ���� ����������� &]�����"� � �+�� ]����� ����� ����� ���� ��� ���� ������� $� ���� �$�������� ��� ���������� �� ��� �� ����� ��� ������� ��� ���� ������ @����� � ������������� �� ���������������? �������������������������������������"� �S���"������ ������������������������ ?���������������� ������� �� ������������$�������������&%�������"�� ��+�� @����� � �������[���������������X��Z����� Q����[��$ �� Q���#����&H@@+� ����!�����$��� ���������� �[���� ������������ �S�����$��������$�������(���� ����$� �������������� ��������������� �S����� $����������������� ��������������� � ���&)���K�8 S���; ���G����������(�K���"�� ��+� @����� � ��� ��� � ���� ����Supervised Learning and Unsupervised Learning��������������� ��� �������&<������"�� g+��Supervised Learning�����������$�������� �������������� � �������� ������ ��������$�����������"��� ���Unsupervised Learning ����������>����$�����$���������$������� � ��� �� ����� !������� *���� !������ �� ���� �$� ���� �� ��� ���� ����� ��� � ��� ���� ����� �S� ����� ��� ������� >����$��������������� ��������������� !����������� ����� ��H/{�������{� �������&8��������"�� g+�� 3��� ��$���������$��������� ������������6��������������������������������� �������&(���� ����� ���"�� �Y+��<��������� ��������������� ����$���$�������� ��������� ���&`����"�{�����"�(�/B���� "� O���������"�� �Z+�&%����"�'���"�O�%�����"�� �Z+�&(���� "�%����� "�O�3N��"�� �Y+��@�����S� ������ ���������6�������� ��$���������$���������� �����3��� ���������$� �����������S� ������������������� ���� ��$���������$���������� ����������������6������������������$���������� ����&K���O�H�����"� � D+��3������������������S� ����������� ����������� !������ �������� ��� � �������������������$� �������� ����&�� ����"�� � +�&(� ��� �"�� � +��3�����������$� �����������S� ������������������ ���� ��$���������$���������� !����������� ����&H��������"����N�����"�O�w������"�� � +� (S�� ��� ��� ����� ���� �S� ������ ������ ��� ��� ��� �� ��������� ���� ������� ����� ��� ����� ���� �������� ����� �������� 3� �� �6���� �� ������ ��� $������� ���������� 3� �� ������ �� ���� �$� ���� ��/ ������ �������� !��������� ������� � ���������� �����������S� ������ ���������������3� ��������� ��� ������� ���� ���������� �S� ������ �� ������ ��� � ����� ���� ����� ���� ���������� >��� �$� ���� � ����� ����� ����������$��������������������� ����� ������������ ���� &(������ "�� �Z+�&(?���������� � I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 2 17 O� 3������� "� � �Y+�� B���� ���������� ���� �� ����� $��� ���� ��������� �$� �S� ������ �� �� ����� �� ����� ���� ��/� ���� ����������&H� � ����"�� � +��3�����������$��S� ���������������������������� ����� ��������6����������������������������������� ������������ ������� ������� This research applies ���������� ���� ����� ���������������������� ��� ��������������$������� ��� � ��������� ��$���������$�H{{������ !����������� ���� ������������,������ 3� �����������������L �� ������������������������G �����������������$����������$������������)�� �� ���������������� 6�������������������������������������6�����$������ � �������$����������� gain����������������$�H{{������ ��������� !������� UCI credit approval dataset Local Credit Card Customers Dataset K-Nearest Neighbor Algorithm Classification Evaluation Confussion matrix Validation 10 folds cross Pre processing Feature Selection Information gain Accuracy of KNN Accuracy of KNN + IG K-Nearest Neighbor Algorithm Classification Evaluation Confussion matrix Validation 10 folds cross 8�%����������������8�� ����' 2.1 Data Collection Method @�������������� ������!�����������$���������������3������������� ���� ����������� ���������� ��� ������ ��������� ����Z�������S� ����������gDD����������3����������S� ���������� ������� ���������� ��������� � ����������������������������� �����3������� ����������������������$��������� ��� �������������� !� ������,���������������������������� ��� Role (S� �����{��� Type <������� `���� � �� �� label credit status binominal mode = 9(@�&��D+"���������B>>@�&�� + 9(@�&��D+"�B>>@�&�� + 0 ������� sex binominal mode = %�&ZD�+"���������]�&Y Z+ %�&ZD�+"�]�&Y Z+ 0 ������� ��� ������ �������U��D����/��DY��DD Ä/g�D�� �q�� ZY� Å 1 ������� amount of loan numeric ����� �g��Z\��DY����/�UUU�D �� Dg Ä\YYYY�YY �q� ��\D�� � Å 0 ������� N�� ������ ����� �\�UD����/�Y�� gD Ä�� �q�DgU� Å 0 ������� amount of installment per month numeric ����� �YYYU��g ����/��Z\UD\���� Ä � �q�� Y� � Å 0 I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 218 ������� type of loan polynominal �������� �&gDD+"���������� � &gDD+ � �&gDD+ 0 ������� type of loan polynominal mode = 301 (720), least = 302 (5) 301 (720), 302 (5), 303 &D+"�Y Z�&D+"�Y ��&�U+ 0 ������� bi economics sectors ������ ������D �Y� ZD���/���D��UD ÄD � �q�UUU � Å 1 ������� col polynominal ���������&D +"�����������&�DD+ ��&D +"���&�DD+ 0 ������� bi debtor class polynominal �������\gZ�&g�g+"���������\YZ� (1) \gZ�&g�g+"�\gD�&\+"�\YZ� (1) 0 ������� 9 ���������� class polynominal ������� �&��U+"���������\Y�� (1) \g��&��U+"� �&��U+"� \ �&\+"�\gZ�&U+"�\Y��&�+ 0 ������� ��� ������ balance numeric ������� gY\��g�����/� \g���\��YD Ä/Z � �q� � UZ Z U�� Å 0 ������� principal arrears numeric ������gU \���U\���/� Z�YU��D�DZZ Ä � �q�U�D�������Z Å 0 ������� interest arrears numeric ������\gg�g� \Z���/� �D\�Y��ggD Ä � �q��� � Å 0 <������}�9�������� ����������������� ��)������ � {���� }�%���������� ���`� ��� ��� 3� ������������������ ��� ��������������� ����$����-*)��� �� ������3���������������������������$� the credit approval data set. !� ������,�����������credit approval ���� ���� ���� 9� � !��� -������� �� %� ,���� % label L binominal �������/�&Y\Y+"��������� + (307) ��&Y g+"�/�&Y\Y+ 0 ������� a1 binominal ���������&ZD\+"��������� a (210) ��&ZD\+"���&�� + 12 ������� a2 polynominal ���������&��+"��������� Y �\Y�&�+ ��&��+"����Dg�&U+"�� �Z��&g+"��\�\Y�&D+"� �U��g�&D+"�� �Dg�&D+"������&D+"��Y��\�&D+"� �Z���&D+"���� �&D+"��Y� �&�+"��Y� \�&�+"� �Y����&�+"��g�Dg�&�+"��g�\Y�&�+"�YY��g� &�+"�� � �&Z+"�� �g��&Z+"���� \�&Z+"����U�� &Z+"��Y���&Z+"��Z��\�&Z+"��Z�g��&Z+"�����g� &Z+"����Dg�&Z+"��D��g�&Z+"���������Y � ���������"��g�Z��&�+"��g��\�&�+"��g�\Y� &�+"��\�YY�&�+"��\�Z��&�+"��\��\�&�+"� �\�Dg�&�+"��U���&�+"��U�Dg�&�+"�D � \�&�+"� D ��\�&�+"�D �U��&�+"�D����&�+"�D��g��&�+"� DY�YY�&�+"�D���g�&�+"�D��Z��&�+"�Dg�g�� &�+"�D\�Dg�&�+"�DU��g�&�+"�DU���&�+"�g���\� &�+"�gY�Z��&�+"�gZ�\Y�&�+"�gD�g��&�+"� \ ����&�+ 0 ������� a3 numeric ������Z�g�U���/�Z�Ug\ Ä � �q��\� Å 0 ������� a4 binominal ���������&��U+"��������� ��&�DY+ ��&��U+"���&�DY+ \ ������� a5 binominal ���������&��U+"��������� �&�DY+ ��&��U+"� �&�DY+ \ I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 2 19 ������� �D polynominal mode = c (137), least = r (3) ��&DZ+"�j�&g\+"���&Y\+"���&Y+"����&Z�+"� ��&��+"���&�Yg+"���&Y +"�L�&Y\+"� �&�U+"��� &��+"����&�Z+"�6�&�Y+"�N�&� +"���&U+ 0 ������� a7 polynominal ���������&YUU+"��������� o (2) ��&YUU+"���&�Y\+"����&�U+"�6�&�g+"�N�&\+"�?� &\+"���&U+"���&�+"����&D+"���&Z+ 0 ������� �\ numeric ����������Y���/�Y�YZg Ä � �q��\�� Å 0 ������� �U binominal ���������&YD�+"��������� $�&Y�U+ ��&YD�+"�$�&Y�U+ 0 ������� a10 binominal �������$�&YU�+"��������� ��&�U�+ ��&�U�+"�$�&YU�+ 0 ������� a11 ������ ��������Z ���/�Z�\DY Ä � �q�Dg� Å 0 ������� a12 binominal mode = f (374), least = ��&Y�D+ $�&YgZ+"���&Y�D+ 0 ������� a13 binominal ���������&D��+"��������� s (57) ��&D��+"���&�g+ \ ������� a14 polynominal mode = 0.0 (132), least = 202.0 (1) � �&�Y�+"��� � �&Y�+"�� � �&Y�+"��D � � &YZ+"�� � �&Y +"�\ � �&Y +"��\ � �&��+"� �\ � �&�\+"��Z � �&�D+"��Z � �&�Z+"� Y� � �&�Z+"�Y � �&�Y+"���&�Y+"��D � � &��+"��� � �&U+"�Z � �&U+"�D � �&U+"� YZ � �&g+"�YD � �&g+"�Y\ � �&�+"�� \� � (4), 132.0 (4), 144.0 (4), 232.0 (4), 40.0 (4), 420.0 (4), ... and 121 more ... , Z\g� �&�+"�ZU� �&�+"�ZU�� �&�+"��� � �&�+"� ���� �&�+"���U� �&�+"���� �&�+"���Y� �&�+"� �� � �&�+"��D� �&�+"��\Y� �&�+"�D � �&�+"� D�� �&�+"�DZ � �&�+"�D\ � �&�+"�g��� �&�+"� g�� �&�+"�gD� �&�+"�gD � �&�+"�\Z � �&�+"� \D� �&�+"�U�\� �&�+"�UY� �&�+"�UZ� �&�+"� U\ � �&�+"�UU� �&�+ 0 ������� a15 ������ ������� �g�Y\D���/� 5210.103 Ä � �q�� � Å 0 Source : https://archive.ics.uci.edu/ml/datasets/Credit+Approval {���� }�%���������� ���`� �� ��� 2.2 Feature selection 3� ��$��������������������������������[������� ������� � ���������������$��������������S� ������� <�[�����`� ��� ���� ���������� ��$�����������������G ������� ������������ ��� �������������� � ����������������$������� �$���������� ��$���������������� ������� 8�%�������:��'���������� ��� ��� �%�� �������� �������� I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 220 2.3 Classification of K-Nearest Neighbors 3��� ��������$������ !������ ������������ �����[�����`� ��� ������ ��� ����������� ���������� ����������� 3��� ��� ������ �� ����� �� ��� ������ ��� �����"� �� ��� ���� ���������� �� ����� ��� �� ��� ��������� ������� 2.3.1 Cross Validation *����� ��� ������ �� ���� ���� �$� ��� ������ ���� ����� !������ �������� ������������ ����� ���� � ����� ��������������������������������������3��� ������������ ���������������� ������ ������ � ������� ��������������������������������������������� ������������ � ������������������������3�������� ��������������������� ��� ��� �����[����������� �$�������������� �������� �$�������������� ������ ��� � � ��������������� ����� � ��������������������� ���U _�������������������������� _������� ������ � ���������3� �� ������� ���� ������� ����� ��������������������������� �������������������� G �����Y��� ������������� �$�������������� ������ 8�%����(��������� ���� �����;��������������������� 2.3.2 Confusion Matrix *��$�� ������� L� ��������������������������$������ !����������� �����3� ������ L���� ��������� ���������$���������� !������������ ����������������������������������������������$����������$����� �L ��������������)$������������������ !�������������� �����������������������������"������������������� �$���������� !����������� ���� ��� _��G �����Z� ���� ��������$���������������� ��$���������$����� ����� ������ ������$�� ������� L� ����[�����`� ��� ���� 8�%����*��,��������"� ����� ,����<�� �������,� ������������ 3���������������$����$�� ������� L���������������������� ��������Y������� !� ���(��"� ����� �,����< ������<����� Predicted class Class}��;< Class}�{> ^#���[�� class Class�;< a ������� ���� ��� b ��� ���������� ��� Class{> c ��� ���� ���� ��� d ������������� ��� I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 2 21 <�����}�&B��������"�� ��+ {���}�$����������� �������� �����&����������+ G����������Y�������������$�����������$��������� ������������������������������ ��������j��������� $������} {����} (}����� �� ��������� !�������������� ������� �� ���������������� 9}�������������$�������������� !������� ������� �� ���������������� *}�%�� ��������� !�������������� ��������������������������� @}�������������$�������������� !������� ������������������������ (�� ������� 3.1 The result of calculation of information gain 3��� ������� �$� �$�������� ����� ���� $������� ��������� �� ��� `� �� � ���� � ����� ����� ���� ���� ��S������������ ��������3�����Z� ���������������� �����$������S� �������$�����-*)����� ��� ������ �������"��� ����������� ���������������� �����$������S� �������$��������� ��� �������������� !� ���*��:��%������=" ��������������������������>�� ���� (S� ���� 8� ��� a1 0.0 a12 ��Y�ZYY�D�\Z�gg U;/Z a13 � �D \ZDZgY�D�D�YD a4 � Zg\ YY\g� �� g�� a5 � Zg\ YY\g� �� g�� a3 � gD DDgZ\DZgYD��D a7 � UY� �� Y �UgZ\ �D �� YYU�Z�\�\gU�\� �\ �� ZUUUU�UDDDY\UYZ a15 �� �YUU�Z�g�\gDD Y a10 ��U��Z�Y��Z�\\�Y�� a11 �YD UgZ Z�g��Ugg� a14 ��Z��\�Y��Z�\Y�Y �U �gU���DZ �Z\DUY � a2 1.0 Source : >_��; ���>�[������������� �� �������� ������`�����[�� {���� }� ���������� ���`� ��� ��� !� ���+���:��%������������ ���&���������������������>�� ���� (S� ���� 8� ��� type of loan 0.0 bi_debtor_class � YDgZUg��\g� U�D\ bi_economics_sector � ���D \\U�\g Z� sex � DDgDg\Z��DZZZD�Y type of loan � ��Y\��UY g�� YZ\D ��� � �YU g�\g��Z� �YZ N�� � ��DUgZYZZ��Z��gUD ��� �����È�������� � �Z U�UDYYDDUU\ggD I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 222 amount_of installment per month ��Z �Z UZ��U\\�D g amount of loan �� ZYgZgZDg�U�U��g col ���Z�Z�U��\Zg��� \ � È��������������� ��YUD����U�\\U ZU interest arrears ��\Z�g g�UD�\gDZZ principle arrears 1.0 <������}�9�������� ����������������� ��)������ � {���� }�%���������� ���`� ��� ��� G���� ���� ������� �$� $������� ��������� ��� ����� ������ ���� �� ���� �$� ����� �S� ����� �$� ����� ����������3��� � ���������$������������S� ������� ������������������$������� ��������L�� ��������$� ����� !�������� �������H{{������ ���� 3.2 Performance of K-Nearest Neighbors 3��� �������� �$� ���� H{{� ����� !������ ����� ���� �� ��� ���� -*)� ���� �� � ������ �������� ���� ���� �� ����� ���������� ���� ��������� �� ���� $����� ��� �������� 3����� D� �������� ���� ��������� �$� ���� H{{� ����� ����� ����������������S� �����������$����������� ��� �������������"��� ���������g� �������� ����H{{����������$����������������$����� ������������������ ��������S� ����������� !� ���?��!���������������399�����=" ������������������������ K 1 3 5 7 U 11 13 15 17 ACC D\"�� 72,75 g�"D� 74,2 74,35 gZ"DZ @*BC( @*BC( gZ"ZU Source : >_��; ���>�[������������� �� �������� ������`�����[�� {���� }�%���������� ���`� ��� ��� !� ���@��!���������������399���������������������� ���������� K 1 3 5 7 U 11 13 15 17 ACC C�B+� C�B�( U "gZ \U"UD \U"�D \U"ZY \U"Y \U"ZY \U"�D <������}�9�������� ����������������� ��)������ � {���� }�%���������� ���`� ��� ��� )� ����������� ���������������������[�������$������������������������� ��$�������������� ����� �S� ������� 3����� \� �� ���� ������ �$� ��������� �$� ���� H{{� ����� ���� �� ���� -*)� ���� �� � ������ ���������[�������$���������������� �� ��$�������� ��� �$���������� ���3�����U���������� �������� �$� ���� ��������� �$� HH{� �������� �$� ���� �� ����� ���������� �[��� $������� ��������� �� ����� �� ��� �$���������� �� !� ���D�� ������������������������������������������� {������ of used �S� ������ {������$� �S� ������ 8� ������������� �$���������� � Accuracy �������$�H{{� 15 a1 0 gZ�ZU 14 a12 5.31E-04 74.35 13 a13 � �D \ZD� gZ�DZ 12 a4 � Zg\ YYU gZ�g\ 11 a5 � Zg\ YYU gZ�g\ 10 a3 � gD DDg� 75.07 U a7 � UY� �� g��YD I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 2 23 \ �D �� YYU�ZY 75.07 7 �\ �� ZUUUU� g��YD D a15 �� �YUU�Z gD�Dg 5 a10 ��U��Z�YY \��ZD 4 a11 �YD UgZ Z D��*? 3 a14 ��Z��\�Y� \���U 2 �U �gU���DZ gg�\Y 1 a2 1 ZZ�ZU Source : >_��; ���>�[������������� �� �������� ������`�����[�� {���� }�%���������� ���`� ��� ���� !� ���C�� ������������������������������������� ���������� {������ of used �S� ����� {������$��S� ����� 8� ������������� �$���������� � Accuracy �������$�H{{ 14 type_of loan 0 U���� 13 bi_debtor_class 0.004 U���� 12 bi_economics_sector � D U���� 11 sex 0.007 U���� 10 type of loan 0.012 U���� U ���� 0.024 U���� \ N�� � �D U���� 7 ��� �����È������� 0.054 U���� D amount_of installment per month 0.14 C*�@D 5 amount_of loan 0.204 UY�D 4 col 0.224 U���D 3 � È���������È������ 0.24 U��Y 2 interest_arrears ��\Z U��Z� 1 principle_arrears s 1 \U�\� <�����}�9�������� ����������������� ��)������ � {���}�%���������� ����� ��� ��� *��"� ������ 9���������������������$�������������"������� ����� ���������$�H{{����������������$������������������[��� ���� $������� ���������� 3��� � ������ ������ �$� ��������� $��� ���� -*)� ���� �� � ������ �������� ��$���� ���� $���������������� ��gZ�UY_�������� ��"������ ������������������� �������������������������� ������� �S� ������ �����U����_��([��� ��$��� ���$������������������ �����������S� �������$���������S� �����"� ���� HH{� ��������� ������ $��� ���� �������� �$� -*)� ���� �� � ������ ����� ��� \��ZD_�� 8� ��� ���� ��������� ������$����������������$����� ���������������������� ��������D��$������Z��S� ��������������UZ�g\_��3� �� ������ ��������������� �$���������� ���������������� �������� � ��������������������� ��$�������� �$�H{{������ !�������G�������-*)����� ��� ��������������������������� ������������g��Y_"��� ������� ����������$����� ����������������� ������������Y��D_� +����' �����% � � 3� ����������� �� �����$������������$���������@)H3)� ����9�� ������]��������`��������<������$��� !����������� �g� I n t e r n a t i o n a l J o u r n a l o f I s l a m i c B u s i n e s s a n d E c o n o m i c s , 1 ( 1 ) J u n e 2 0 1 7 , 1 3 - 2 224 ������ ��� (������ "����(��&� �Z+��)�$��������B� ��������%�� � ����G ���� ����H��� !��� �K���� ����� �*����� ����� �����������������������H/{{� Alpaydin, E. (2010). ����������� �� '��>��� b������� 2����� 7�����. London: The MIT Press. (���� �"�@��`�"�*�� �"�*��K�"�*�������"�@�"�3��� ���"�B�"�9����"�>����"�`��� ����"�G����"�O�*����"�]�� @��G��&� �Y+��(�������������� �� �����$��� ��� ��������� !�����`��� �����$�����S }����L �� ���������Y��� � ��� (���� "�(�"�%����� "�)�"�O�3N��"�(�����&� �Y+��%��$��������*�� �� ������������{�É���9�����"�@�� � ��� 3���������/{�������{� ������ ��<����� ���(����������@�� ��� �����;������< ��������3���"� 4&��+"�YY�YU� (?���������� "�9�"�O�3������� "�(��<��&� �Y+��G�������<�����������������)�$��������B� �"�&�+"� �\���� K��"� w�"� O� H�����"� ��� &� D+�� Q��� '�����; �������� ��� q��>��=��� 2����� 7�����. Elsevier. Elsevier. )���K�8 S����; ���G�����������(�K�����&� ��+��Data Mining 3rd. H��������"� (�� B�"� ���N�����"� (�� <�"� O� w������"� ��� (�� &� � +�� *�� ������� <����� �$� (S� ����� <���������� ���B� ��`��������*����������9�����G�������<��������������������� %������ �� ���������� q��>�����$ ��� X��Z����� '���������, 2(2), 271–277. H� � ����"�)��&� � +��G�������<��������$���9�� �/*�� �����)����$����"�� ����� ]�����"�@��3��&� �+��Q����[����� X��Z����� �� Q���; �� ����������� �� Q��� '�������w����8 ����O� <���� Maimoon. (2010). Q��� '����� ��� X��Z����� Q����[��$ +���#��8. �������"� ��� `�"� O� (�� H���� "� ��� (�� &� �D+�� < ����� %��������� H� ������� %������N���� H��� �� ������������(���� ����*Z����Jurnal IC-Tech, z��� {� |�&�+"��U�Y\��`��� �����$�����S }�� N��������� �/� ���� ������ � �����������O� �����O �� �����//����� $j �/\ %����"� H�"� '���"� w�"� O� %�����"� w�� &� �Z+�� *�� �� ���� �$� ��� ���� ����� !������ ����� ����� ��� � �� ����������� ���8;H("�1(1), 1–7. Prasetyo, E. (2012). Q��� '����� X����� ��� ����8��� ��������8�� '����#�� ����������}� (�� � >6���� `����"�(��K����"�{�����"�(����"�(�/B���� "�(��<�"�O���������"�(��)��&� �Z+��(�*�� �������(����� �� �$� *���� !������ (���� ����� $��� <�������� *������� ;���������� ( ������ -� ��� @���� � � ���� 0���������� �� �>� ���: }��8�>�� �� ���������� Q����� �� 7��������� 7�[��������� D IDEE ’14"�� D���Y���S �}���� ������ ���Z���DZYD Z��DZYDY� <������"� 9�� &� g+�� Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis (Edisi Pert). ����������}�B�����)���� 8�"� Ê�"� H����"� '�"� `���� 4� ����"� w�"� B����"� w�"� ����"� 4�"� ������"� K�"� Ë� <�� �����"� @�� &� g+�� Top �� �������>�� �� ���� ������. X��Z����� ��� ���������� 2$������ &'���� �Z+�� �S �}���� � ����� �� g��� ���/ g/ ��Z/��