KLASIFIKASI DATA DEBITUR UNTUK MENENTUKAN KELAYAKAN KREDIT DENGAN MENGGUNAKAN METODE NAIVE BAYES

DENY, MAHENDRA CAHYA (2015) KLASIFIKASI DATA DEBITUR UNTUK MENENTUKAN KELAYAKAN KREDIT DENGAN MENGGUNAKAN METODE NAIVE BAYES. Skripsi,Fakultas Ilmu Komputer.

Preview	PDF Download (558Kb) | Preview
Preview	PDF Download (4Kb) | Preview

Abstract

Kredit adalah peminjaman uang dengan pembayaran secara tidak langsung atau membayar dengan secara berkala, dengan batas jumlah pinjaman tertentu yang diizinkan oleh pihak bank. Kredit merupakan sumber utama penghasilan dalam sebuah bank dan resiko bisnis. Karena dalam proses pemberian kredit tidak jarang terjadi kredit macet, dimana akan terjadi tunggakan kredit dalam masa angsuran. Data mining merupakan teknik yang memanfaatkan data dengan jumlah yang besar untuk mendapatkan informasi atau data yang berharga untuk mengambil keputusan yang penting. Data mining juga telah terbukti digunakan dalam perbankan yang mengklasifikasikan data yang berguna dan berukuran besar. Dalam penelitian ini studikasus yang dilakukan pada data debitur Bank BRI dengan menggunakan model Naive Bayes (NBC). Dari hasil penelitian ini untuk menentukan prediksi kelayakan kredit lancar atau kredit macet, dan evaluasi performance naive bayes. Untuk hasil penelitian algoritma naive bayes ini, dapat di terapkan dalam menilai kelayakan kredit pada akurasi data awal sebesar 79,84%, sedangkan data yang sudah melalui tahap pengolahan data yaitu sebesar 88,61%, dan terahir data yang sudah melalui pengolahan data dan konversi data memiliki accuracy paling tinggi yaitu 90,28%,, data yang diolah dengan pre-processing lebih unggul dibandingkan data yang belum diolah, sekalipun algoritma naive bayes mampu menangani data yang hilang atau tidak lengkap.

Actions (login required)