Implementasi Metode Naive Bayes Untuk Klasifikasi Kredit Motor

Heryono Heryono, Acun Kardianawati

Abstract


Abstrak
Kredit dalam hal ini telah menjadi sumber penghasilan bagi beberapa bank ataupun perusahaan dan instansi swasta yang menyewakan jasa kreditnya kepada konsumen, meskipun begitu dapat dilihat terdapat beberapa konsumen yang memiliki kredit macet seperti tunggakan dan hal lainnya yang mengakibatkan tidak dapat melanjutkan pembayaran kredit. OTO Kredit Motor adalah salah satu perusahaan yang bergerak dibidang perkreditan kendaraan beroda dua atau motor. Dalam hal ini OTO Kredit Motor masih sangat kesulitan di dalam menentukan calon debitur yang nantinya akan layak untuk mendapatkan kredit tersebut. Oleh karena itu data mining digunakan untuk dapat memprediksi resiko terjadinya kredit macet dengan melakukan pengklasifikasian terhadap calon debitur kendaraan nantinya. Tujuan dari penelitian ini, adalah memprediksi terhadap kelayakan kredit macet menggunakan metode Naïve Bayes. Hasil dari penelitian digunakan untuk memprediksi kelayakan kredit untuk menghindarkan terjadinya kredit macet, dan mengevaluasi performance model Naïve Bayes.
Kata Kunci:
DataMining, Algoritma Naive Bayes, Klasifikasi, Debitur.
Abstract
In this case the credit has become a source of income for some banks or companies also private institutions for lease their credit services to consumers, although it can be seen there are some consumers who have bad loans such as arrears and other things that can be effecting failure in resume credit payments.OTO Kredit Motor is one of the companies were engaged in the loan of motorcycles. In this case OTO Kredit Motor is still very difficult in determining the prospective borrowers who will be eligible to get the credit. Therefore, data mining is used to predict the risk of non-performing loans by classifying the prospective borrower of the vehicle. The purpose of this study, is to predict the viability of bad loans using the Naïve Bayes method. The results of the study were used to predict creditworthiness to avoid bad credit, and to evaluate the performance of the Naïve Bayes model.
Keyword :
Data Mining, Naive Bayes Algorithm, Classification, Debtor.


Full Text:

PDF


DOI: https://doi.org/10.33633/joins.v3i1.1877

Article Metrics

Abstract view : 1028 times
PDF - 913 times

Refbacks

  • There are currently no refbacks.




akun pro jepangkkn777slot thailandtoto macaujudi bolahttps://ijeeemi.poltekkesdepkes-sby.ac.id/pages/pulsayuk/https://psdkukediri.polinema.ac.id/jte/mthailand/slot deposit 5000