Aplikasi Prediksi Kelayakan Calon Anggota Kredit Menggunakan Algoritma Naïve Bayes

Diky Alfian Kurniawan, Yogiek Indra Kurniawan

Abstract


Sebagai lembaga keuangan selain bank konvensional, koperasi mempuyai peran serta dalam mengatasi perekonomian masyarakat didaerah-daerah. Kegiatan tersebut juga dilakukan oleh Koperasi Simpan Pinjam Pembiayaan Syariah Baitul Maal wa Tamwil (KSPPS BMT) “Arta Jiwa Mandiri” Wonogiri yang bergerak dalam bidang usaha kredit simpan pinjam dan pembiayaan yang berlandaskan syariah. Pada proses bidang usaha kredit simpan pinjam koperasi memiliki ketentuan dalam memilih calon anggota yang layak untuk mendapatkan modal. Hal tersebut bertujuan untuk mengatasi adanya permasalahan seperti anggota macet dalam pembayaran cicilan. Sehingga hal tersebut perlu adanya suatu aplikasi yang dapat meprediksi calon anggota kredit yang layak untuk mendapatkan pinjaman dari pihak koperasi dengan teknik data mining. Algoritma Naïve Bayes dimanfaatkan dalam kasus ini untuk memprediksi kelayakan calon anggota kredit simpan pinjam yang nantinya termasuk kategori lancar, kurang lancar atau macet waktu peminjaman. Hasil penelitian ini mendapatkan nilai Accuracy sebesar 75%, nilai Precision sebesar 84% dan nilai Recall sebesar 86%. Maka dari itu aplikasi ini dapat membantu pihak koperasi dalam mempertimbangkan calon anggota kredit yang layak untuk mendapatkan modal.

Kata Kunci: data mining, naïve bayes, simpan pinjam, koperasi.


References


K. Ma’wa, “Analisis Perbandingan Antara Koperasi Simpan Pinjam Dengan Koperasi Jasa Keuangan Syariah Baitul Maal Wa Tamwil,” J. Mhs. Fak. Huk., 2013.

T. Mahboob, S. Irfan, and A. Karamat, “A machine learning approach for student assessment in E-learning using Quinlan’s C4.5, Naive Bayes and Random Forest algorithms,” Proc. 2016 19th Int. Multi-Topic Conf. INMIC 2016, 2017.

D. Octabriyantiningtyas, “Adln - perpustakaan airlangga,” 2016.

A. Jumadi, Z. Arifin, and D. Marisa, “Sistem Pendukung Keputusan Pemberian Kredit Rumah Sejahtera Pada Nasabah Bank Pembangunan Daerah Kalimantan Timur dengan Metode TOPSIS,” vol. 3, pp. 156–163, 2014.

Y. I. Kurniawan, U. M. Surakarta, and C. Java, “Decision Support System for Acceptance Scholarship With Simple Additive,” pp. 99–108, 2015.

Y. S. Nugroho, “Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah Surakarta Menggunakan Metode Naive Bayes,” Khazanah Inform., vol. I, no. 1, pp. 29–34, 2015.

A. Jadhav, A. Pandita, A. Pawar, and V. Singh, “Classification of Unstructured Data using Naïve Bayes Classifier and Predictive Analysis for RTI Application,” ABHIYANTRIKI An Int. J. Eng. Technol., vol. 3, no. 6, pp. 1–6, 2016.

Y. S. Haryanti, Syarifah Nur , Nugroho, “Perbandingan 3 Metode Dalam Data Mining Untuk Penjurusan Siswa Di SMA N 3 Boyolali,” 2015.

Bustami, “Penerapan Algoritma Naive Bayes,” J. Inform., vol. 8, no. 1, pp. 884–898, 2014.

V. S and D. S, “Data Mining Classification Algorithms for Kidney Disease Prediction,” Int. J. Cybern. Informatics, vol. 4, no. 4, pp. 13–25, 2015.


Full Text: PDF

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.