ALGORITMA NAIVE BAYES CLASSIFIER UNTUK KLASIFIKASI PEMBERIAN PINJAMAN PADA PT PNM MEKAAR KABUPATEN CIANJUR

research
  • 27 Apr
  • 2021

ALGORITMA NAIVE BAYES CLASSIFIER UNTUK KLASIFIKASI PEMBERIAN PINJAMAN PADA PT PNM MEKAAR KABUPATEN CIANJUR

ABSTRAK

 

Ina Agustina (19160660), Algoritma Naive Bayes Classifier Untuk Klasifikasi Pemberian Pinjaman Pada PT PNM Mekaar Kabupaten Cianjur.

 

PNM Mekaar Cianjur adalah salah satu perusahaan yang menyediakan pelayanan pembiayaan untuk usaha Mikro, Kecil, Menengah dan Koperasi. PNM Mekaar Cianjur juga mengalami kendala dan hambatan dalam hal pemberian pinjaman, karena dari sekian banyak nasabah yang mengajukan pinajman ada kemungkinan beberapa pelanggan yang bermasalah dalam pembayaran, untuk itu analis pemberian pinjaman sangatlah penting, karena salah satu penyebab terjadinya pemberian pinjaman macet bisa disebabkan oleh kurang cermatnya perusahaan dalam pemberian pinjaman. Dalam penelitian ini diusulkan penerapan metode Naive Bayes Classifier untuk pengukuran klasifikasi penentuan pemberian pinjaman, dengan pengolahan menggunakan rapidminer studio, diketahui bahwa hasil pengolahan algoritma Naive Bayes Classifier memiliki  nilai  accuracy  85% dan nilai AUC 0,851. Hal ini menunjukan bahwa algoritma Naive Bayes Classifier memiliki akurasi sangat baik.


ABSTRACT

 

Ina Agustina (19160660), Naive Bayes Classifier Algorithm for Classification of Lending to PT PNM Mekaar Cianjur Regency.

 

PNM Mekaar Cianjur is a company that provides financing services for Micro, Small, Medium Enterprises and Cooperatives. PNM Mekaar Cianjur also experienced obstacles and obstacles in terms of lending, because of the many customers who submitted loans there was the possibility of some customers who had problems in repayment, for which lending analysts are very important, because one of the causes of bad loans can be caused by lack of careful companies in granting loans. In this study, it is proposed that the application of the Naive Bayes Classifier method for the classification measurement of determining lending, by processing using rapidminer studio, it is known that the results of the processing of the Naive Bayes Classifier algorithm have an accuracy value of 85% and AUC value of 0.851. This shows that the Naive Bayes Classifier algorithm has very good accuracy.

Unduhan

 

REFERENSI

DAFTAR PUSTAKA

 

Akbilgic, O., & Bozdogan, H. (2015). A New Supervised Classification of Credit Approval Data via the Hybridized RBF Neural Network Model Using Information Complexity. Spinger, 13-27.

Bahri, S. (2017). Seleksi Atribut Pada Algoritma C4.5 Menggunakan Genetik Algoritma Dan Bagging Untuk Analisa Kelayakan Pemberian Kredit. Kumpulan JurnaL Ilmu Komputer (KLIK), 175.

Harlina, S. (2018). Data Mining Pada Penentuan Kelayakan Kredit Menggunakan Algoritma K-Nn Berbasis Forward Selection. CCIT Journal, 237.

Handayani, P. K. (2017). Model Klasifikasi Kelayakan Kredit Koperasi Karyawan Dengan Algoritma Decision Tree. Prosiding SNATIF Ke-4 Tahun 2017, 3(2015), 153–160. https://doi.org/10.2298/PAN0903301G

Huaturuk, N. R., Rahmadani, R. D., & Januarita, D. (2018). Komparasi Akurasi Naïve Bayes dan Support Vector Machine (SVM) untuk Rekomendasi Produk in Fashion Dress. Proceedings on Conference on Electrical Engineering, Telematics, Industrial Technology, and Creative Media (hal. 168). Purwokerto: Institut Teknologi Telkom Purwokerto

Kasmir. 2016. Analisis Laporan Keuangan. Jakarta: Raja Grafindo Persada.

Kurniawan, D. A., & Kurniawan, Y. I. (2018). Aplikasi Prediksi Kelayakan Calon Anggota Kredit Menggunakan Algoritma Naïve Bayes. Jurnal Teknologi Dan Manajemen Informatika, 4(1). https://doi.org/10.26905/jtmi.v4i1.1831.

Marcos, H., & Hidayah, I. (2014). Implementasi Data Mining Untuk Klasifikasi Nasabah Kredit Bank " X " Menggunakan Classification Rule. Seminar Nasional Teknologi Informasi Dan Multimedia 2014, (February), 1–7. https://doi.org/10.13140/2.1.4167.1044

Manik, R., Pristiwanto, & Tampubolon, K. (2018). Prediksi Kolektibilitas Kredit Anggota Dengan Algoritma C5 . 0 ( Studi Kasus : CU Damai Sejahtera Medan ). Jurnal Riset Komputer (JURIKOM), 5(2), 151–160.

Muflikhah, L., Ratnawati, D. E., & Putri, R. R. Ma. (2018). Data Mining(1st ed.). Malang: UB Press.

Saleh, Alfa. (2015). Implementasi Metode Klasifikasi Naive Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. ISSN: 2354-5771. Citec Journal. Vol. 2, No.3.

Saputra, R. A., & Ayuningtias, S. (2016). Penerapan Algoritma Naïve Bayes Untuk Penentuan Calon Penerima Beasiswa Pada Smk Pasim Plus Sukabumi. Swabumi, 114.

Sartika, D., & Sensue, D. I. (2017). Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian. Jatisi, 151.

Suyanto, S. (2017). Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika.

Wijaya, A., & Muhammad, R. H. (2017). Implementasi Algoritma Naive Bayes Dalam Penentuan Pemberian Kredit. Jurnal Pseudocode, 120.

Widodo, P. P., Handayanto, R. T., & Herlawati, H. (2013). Penerapan Data Mining dengan Matlab. Bandung: Rekayasa Sains.

 

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru