A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
PENGEMBANGAN MODEL PERSETUJUAN KREDIT NASABAH BANK DENGAN ALGORITMA KLASIFIKASI NAÏVE BAYES, DECISION TREE, DAN ARTIFICIAL NEURAL NETWORK
Kredit merupakan salah satu solusi bagi masyarakat untuk mendapatkan pinjaman dari bank dengan waktu pembayaran yang dilakukan secara berkala sesuai dengan ketentuan yang telah disetujui baik oleh bank maupun masyarakat itu sendiri sebagai calon nasabah. Berdasarkan hal tersebut, penelitian ini bertujuan untuk melakukan klasifikasi data profil nasabah yang memiliki peluang untuk mengajukan kredit pinjaman atau tidak menggunakan data mining dengan bantuan tiga algoritma yaitu Naïve Bayes, Decision Tree, Artificial Neural Network (ANN), dan melihat kriteria profil nasabah yang dihasilkan pada masing-masing hasil prediksi sebagai acuan bagi bank dalam penawaran kredit kepada nasabah. Evaluasi hasil ketiga algoritma yang digunakan dilakukan dengan melihat nilai gain ratio, confusion matrix, dan kurva Receiver Operating Characteristics (ROC) dengan melihat nilai Area Under Curve (AUC) yang dihasilkan. Hasil yang didapatkan menunjukkan bahwa algoritma ANN menghasilkan nilai akurasi tertinggi dengan akurasi sebesar 99.61% dan AUC = 0.983. Disusul dengan decision tree menghasilkan nilai akurasi sebesar 99.36% dan AUC = 0.999. Terakhir, algoritma naïve bayes dengan nilai akurasi = 90.79% dan AUC sebesar 0.935. Karakteristik nasabah yang memiliki peluang untuk mengajukan kredit jika income rata-rata pada rentang 101-116 atau > 116 USD setiap bulannya, age = 23 - 43 tahun, family >4, memiliki CD Account, dan CC Average =3 – 9 USD. Terdapat tujuh faktor importance yang mempengaruhi hasil tiga algoritma tersebut yaitu income, mortgage, family, CD account, CC average, education, dan age.
PENGEMBANGAN MODEL PERSETUJUAN KREDIT NASABAH BANK DENGAN ALGORITMA KLASIFIKASI NAÏVE BAYES, DECISION TREE, DAN ARTIFICIAL NEURAL NETWORK
Kredit merupakan salah satu solusi bagi masyarakat untuk mendapatkan pinjaman dari bank dengan waktu pembayaran yang dilakukan secara berkala sesuai dengan ketentuan yang telah disetujui baik oleh bank maupun masyarakat itu sendiri sebagai calon nasabah. Berdasarkan hal tersebut, penelitian ini bertujuan untuk melakukan klasifikasi data profil nasabah yang memiliki peluang untuk mengajukan kredit pinjaman atau tidak menggunakan data mining dengan bantuan tiga algoritma yaitu Naïve Bayes, Decision Tree, Artificial Neural Network (ANN), dan melihat kriteria profil nasabah yang dihasilkan pada masing-masing hasil prediksi sebagai acuan bagi bank dalam penawaran kredit kepada nasabah. Evaluasi hasil ketiga algoritma yang digunakan dilakukan dengan melihat nilai gain ratio, confusion matrix, dan kurva Receiver Operating Characteristics (ROC) dengan melihat nilai Area Under Curve (AUC) yang dihasilkan. Hasil yang didapatkan menunjukkan bahwa algoritma ANN menghasilkan nilai akurasi tertinggi dengan akurasi sebesar 99.61% dan AUC = 0.983. Disusul dengan decision tree menghasilkan nilai akurasi sebesar 99.36% dan AUC = 0.999. Terakhir, algoritma naïve bayes dengan nilai akurasi = 90.79% dan AUC sebesar 0.935. Karakteristik nasabah yang memiliki peluang untuk mengajukan kredit jika income rata-rata pada rentang 101-116 atau > 116 USD setiap bulannya, age = 23 - 43 tahun, family >4, memiliki CD Account, dan CC Average =3 – 9 USD. Terdapat tujuh faktor importance yang mempengaruhi hasil tiga algoritma tersebut yaitu income, mortgage, family, CD account, CC average, education, dan age.
PENGEMBANGAN MODEL PERSETUJUAN KREDIT NASABAH BANK DENGAN ALGORITMA KLASIFIKASI NAÏVE BAYES, DECISION TREE, DAN ARTIFICIAL NEURAL NETWORK
Puji Rahmawati (author) / Aisyah Larasati (author) / Marsono Marsono (author)
2022
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
Klasifikasi Nasabah Kredit Koperasi Menggunakan Algoritma K-Nearest Neighbor
| DOAJ | 2019