Analisis Penerapan Naïve Bayes Untuk Memprediksi Resiko Kredit Anggota Koperasi Keluarga Guru

research
  • 08 Sep
  • 2020

Analisis Penerapan Naïve Bayes Untuk Memprediksi Resiko Kredit Anggota Koperasi Keluarga Guru

Pada laporan pertanggungjawaban terdapat penurunan pemberian (piutang) kepada anggota koperasi sebesar 17.319.802.163, pada tahun 2015 pemberian piutang 127.866.969.180 menjadi 110.547.167.017 pada tahun 2016 di seluruh wilayah dan salah satu faktor penurunan kinerja disebabkan kredit bermasalah atau tidak tertagih sehingga modal utama mengendap pada anggota yang tidak tertagih di Koperasi Keluarga Guru Jakarta pada piutang 2015 dan 2016. Kredit adalah peminjaman uang dengan pembayaran secara tidak langsung atau membayar dengan secara berkala, dengan batas jumlah pinjaman tertentu yang diizinkan oleh pihak Koperasi. Kredit merupakan sumber utama penghasilan dalam sebuah koperasi simpan pinjam. Karena dalam proses pemberian kredit tidak jarang terjadi kredit macet, di mana akan terjadi tunggakan kredit dalam masa angsuran. Data mining merupakan teknik mengelola data dengan jumlah yang besar untuk mendapatkan informasi yang berharga untuk mengambil keputusan yang penting. Dalam penelitian ini studi kasus yang dilakukan pada data anggota Koperasi Keluarga Guru Jakarta 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 accuracy yaitu 84,00% masuk klasifikasi baik, algoritma naive bayes mampu menangani data range jauh berbeda.

Unduhan

  • PEERREVIEWNEIVE.pdf

    peer riviewer jurnal informatika

    •   diunduh 262x | Ukuran 166 KB

 

REFERENSI

Bustami, (2014). "Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi," TECHSI, vol. III, pp. 11-14.

Ciptohartono, Claudia Clarentia .(2013). Algoritma Klasifikasi Naïve Bayes Untuk Menilai Kelayakan Kredit.

Gorunescu, Florin (2011). Data Mining: Concepts,Models, and Techniques. Verlag Berlin Heidelberg: Springer.

Karthika, S., & Sairam, N. (2015). A Naïve Bayesian Classifier for Educational Qualification. Indian Journal of Science and Technology, 8(16), 1–5. http://doi.org/10.17485/ijst/2015/v8i16/ 62055

Saleh, A. (2015). Implementasi Metode

Klasifikasi Naive Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. CITEC Journal, 2(3), 207–217. http://doi.org/doi.org/10.24076/citec.2015v2i3.49

Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta. Andi