ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulIMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM MENGKLASIFIKASI KELANCARAN KREDIT NASABAH PADA BANK RAKYAT INDONESIA KECAMATAN PASANGKAYU KABUPATEN MAMUJU UTARA |
| Nama: ARDIANSYAH |
| Tahun: 2019 |
| Abstrak Dalam dunia perbankan, pemberian kredit adalah kegiatan bisnis yang biasa dilakukan di setiap bank dan mempunyai resiko tinggi. Dalam pelaksanaannya, kredit yang bermasalah (kredit macet) sering terjadi akibat analisis kredit yang tidak hati-hati atau kurang cermat dalam proses pemberian kredit, maupun dari karakter nasabah yang tidak baik. Untuk mencegah terjadinya kredit macet, seorang analisis kredit perbankan harus mampu mengambil keputusan yang tepat untuk menerima ataupun menolak pengajuan kredit. Dengan memanfaatkan teknik sistem klasifikasi dan akan di olah menggunakan metode Naive Bayes Dengan tujuan dapat menentukan kategori kolektibilitas lancar, kurang lancar, diragukan dan macet. Rumusan masalah pada penelitian ini adalah bagaimana mengklasifikasi kelancaran kredit nasabah pada Bank Rakyat Indonesia KCP Matra Kecamatan Pasangkayu Kabupaten Mamuju Utara Menggunakan Algoritma Naïve Bayes, sehingga manfaat pada penelitian ini adalah mempermuda proses pemberian kredit pada nasabah dan memberian kemudahan pada pihak bank dalam memilih calon penerima kredit sehingga dapat memperkecil kemungkinan terjadinya kemacetan kredit nasabah. Terdapat 11 kriteria dalam menentukan klasifikasi kolektibilitas lancar, kurang lancar, diragukan dan macet yaitu status perkawinan, jumla tanggungan, status rumah, pekerjaan, penghasilan/bulanan, penghasilan lain-lain, status pekerjaan, jenis pinjaman , tujuan penggunaan, jumlah pinjaman, jangka waktu pinjaman. Untuk mengetahui hasil kolektibiltas di perlukan metode Naive Bayes untuk mengklasifikasi dengan rumus P(H|X) samadengan p(X|H).p(H) di bagi dengan P(x). Hitunglah jumla probabilitas yang ada cari nilai mean dan standar deviasi dari masing – masing parameter yang merupakan data numerik, cari nilai probabilitas dengan menghitung jumla data yang sesui dengan katagori tersebut. Total jumla data yang telah di input ke dalam sistem klasifikasi yaitu 200 data penentuan kolektibilitas lancar, kurang lancar, diragukan dan macet dan 20 data sebagai data uji dalam ke akuratan sistem data yang di peroleh dari bank rakyat indonesia kecamatan pasangkayu kabupaten mamuju utara dan presentasenya adalah 85%. Kata Kunci : kredit, klasifikasi kelancaran kredit, metode Naive Bayes, sistem klasifikasi. |