PENENTUAN PENILAIAN KREDIT MENGGUNAKAN METODE NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION
Abstrak: Kredit macet
merupakan salah satu resiko kredit yang dihadapi oleh pelaku industrikeuangan
dan perbankan. Kredit macet dapat dihindari dengan cara melakukananalisa kredit
yang akurat terhadap calon debitur. Keakuratan penilaian kredit sangat penting
untuk profitabilitas lembaga keuangan. Peningkatan akurasi penilaian kredit
dapat dilakukan dengan cara melakukan seleksi terhadap atribut, karena seleksi
atribut mengurangi dimensi dari data sehingga operasi algoritma data mining
dapat berjalan lebih efektif dan lebih cepat.Banyak penelitian yang telah
dilakukan untuk penentuan penilaian kredit. Salah satu metode yang paling banyak
digunakan adalah metode Naive Bayes. Dalam penelitian ini akan digunakan metode
Naive Bayes dan akan dilakukan seleksi atribut dengan menggunakan particle
swarm optimization untuk penentuan penilaian kredit. Setelah dilakukan pengujian
maka hasil yang didapat adalah Naive Bayes menghasilkan nilai akurasi sebesar
72,40 % dan nilai AUC sebesar 0,765. Kemudian dilakukan optimasi dengan menggunakan
particle swarm optimization hasil menunjukkan nilai akurasi yang lebih tinggi
yaitu sebesar 75,90% dan nilai AUC sebesar 0,773. Sehingga dicapai peningkatan
akurasi sebesar 3,5 %, dan peningkatan AUC sebesar 0,008. Dengan melihat nilai
akurasi dan AUC, maka algoritma Naive Bayes berbasis particle swarm optimization
masuk kedalam kategori klasifikasi cukup.
Penulis: Rinawati
Kode Jurnal: jptinformatikadd170404
