PENENTUAN KELAYAKAN KREDIT BANK MENGGUNAKAN NAIVE BAYES CLASSIFIER BERBASIS PARTICLE SWARM OPTIMIZATION

NOVICHASARI, SUAMANDA IKA and SETIYANTO, NOOR AGENG (2013) PENENTUAN KELAYAKAN KREDIT BANK MENGGUNAKAN NAIVE BAYES CLASSIFIER BERBASIS PARTICLE SWARM OPTIMIZATION. [Image]

Preview

Image (JPEG) - Published Version Download (352Kb) | Preview

Abstract

Keberhasilan kredit pada sebuah bank sangat berperan dalam menjaga kelangsungan hidup sebuah bank. Oleh karena itu sangat diperlukan pengukuran kelayakan kredit yang akurat untuk mengelompokkan nasabah dengan kredit baik dan kredit buruk. Berdasarkan kondisi tersebut teknik data mining yang tepat digunakan adalah klasifikasi. Salah satu teknik klasifikasi data mining adalah Naïve Bayes Classifier (NBC) , namun hasil akurasinya masih kurang dibanding algoritma C4.5 dan neural network. NBC unggul jika diterapkan pada data ukuran besar, namun lemah pada seleksi atribut. Laporan tugas akhir ini menguraikan langkah-langkah penelitian yang menggunakan algoritma Particle Swarm Optimizatin (PSO) untuk membobot atribut guna meningkatkan nilai akurasi NBC. Desain penelitian menggunakan model proses CRISP-DM karena penyelesaian masalah dalam penelitian ini mengarah pada masalah strategi bisnis. Penelitian ini menggunakan data set publik German Credit Data. Proses validasi menggunakan tenfold-cross validation, sedangkan pengujian modelnya menggunakan confusion matrix dan kurva ROC. Hasilnya menunjukan akurasi NBC meningkat dari 73,70% menjadi 78,00% setelah dikombinasikan dengan PSO.

Actions (login required)