Klasifikasi Data NAP (Nota Analisis Pembiayaan) untuk Prediksi Tingkat Keamanan Pemberian Kredit (Studi Kasus : Bank Syariah Mandiri Cabang Luwuk Sulawesi Tengah)
Abstrak: Setiap bulannya bank
syariah mandiri cabang luwuk menerima proposal kredit (NAP) dari nasabah dalam
jumlah yang terus meningkat dan perlu respon yang cepat. Dengan demikian, perlu
dikembangkan sistem untuk melakukan data mining dari tumpukan data tersebut yang
akan digunakan untuk kepentingan tertentu, salah satunya adalah untuk menganalisis
resiko pemberian kredit.Teknik data mining digunakan dalam penelitian ini untuk
klasifikasi tingkat keamanan pemberian kredit dengan menerapakan algoritma
Naïve Bayes Classificatio. Naive bayes classifier merupakan pendekatan yang
mengacu pada teorema Bayes yang menkombinasikan pengetahuan sebelumnya dengan
pengetahuan baru, sehingga merupakan salah satu algoritma klasifikasi yang
sederhana namun memiliki akurasi tinggi.
Sebelum dilakukan klasifikasi, data debitur melalui preprocessing.
Kemudian dari preprocessing ini dilakukan klasifikasi dengan naive bayes
classifier, sehingga menghasilkan model probabilitas klasifikasi untuk prediksi
kelas pada debitur selanjutnya. Teknik pengujian akurasi model diukur
menggunakan boostrap, dan menunjukkan bahwa nilai akurasi terkecil 80%
dihasilkan pada sampel data 100, dan menghasilkan nilai akurasi terbesar 98,66%
pada sampel data 463.
Penulis: Sumarni Adi, Edi
Winarko
Kode Jurnal: jptinformatikadd150275
