ANALISIS PENERAPAN NAÏVE BAYES UNTUK MEMPREDIKSI RESIKO KREDIT ANGGOTA KOPERASI KELUARGA GURU

Luthfi Indriyani, weko susanto

Sari


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 mengolalah 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.


Kata Kunci


data mining, klasifikasi, algoritma naive bayes

Teks Lengkap:

PDF

Referensi


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.

Han, Jia wei., dan Kamber, Micheline, (2001), Data Mining: Concepts and Techniques, Elsevier, San Diego.

H. Zhang and S. Sheng, (2004). "Learning Weighted Naive Bayes with Accurate Ranking," in Proceedings of the Fourth IEEE International Conference on Data Mining (ICDM’04), Canada,

Pang-ning Tan. 2006. Introduction To Dataminning. Pearson Education. Michigan State University

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




DOI: https://doi.org/10.31311/ji.v6i2.5724

##submission.license.cc.by4.footer##

 dipublikasikan oleh LPPM UBSI
Jl. Kamal Raya No. 18 Cengkareng, Jakarta Barat