Machine Learning Dengan Decision Tree untuk Prediksi Pembayaran Invoice, Case Study : Gramedia Jakarta

Abstract

Arus keuangan yang lancar merupakan salah satu kunci agar perusahaan tetap bertahan dan memiliki keberlangsungan. Pembayaran atas faktur penjualan adalah salah satu masalah yang dapat mempengaruhi keuangan, jika pembayaran faktur terlambat maka perputaran kas menjadi lambat dan berdampak pada operasional perusahaan. Belum adanya alat yang dapat memprediksi pembayaran faktur di Gramedia menyulitkan bagian keuangan. Dari permasalahan itu, maka diterapkan machine learning untuk memprediksi pembayaran faktur oleh customer, apakah pembayarannya terlambat atau tidak terlambat. Proses dalam data mining menggunakan framework CRISP-DM (Cross Standard Industry for Data Mining). Fitur data yang digunakan sebagai parameter yaitu invoice amount, payment method, paid invoice, average days late dan ratio amount of overdue by amount of balance. Data faktur penjualan diprediksi menggunakan model decision tree algoritma C5.0 dengan hasil akurasi mencapai 71.84%.  Algoritma C5.0 terbukti mampu memprediksi faktur yang pembayarannya terlambat (melewati jatuh tempo) dan pembayarannya tepat waktu (sebelum jatuh tempo).