UNBINUNBIN

Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)Jurnal SAINTEKOM (Sains dan Teknologi Komputasi)

Pemberian kredit memiliki risiko kredit macet atau Non Performing Loan (NPL) yang dapat berpengaruh pada kegiatan utama suatu bank atau lembaga keuangan yang memberikan pinjaman. Risiko kredit macet menjadi permasalahan yang selalu dihadapi oleh lembaga keuangan, hal tersebut dapat terjadi karena tidak akurat dan tidak efektif dalam memprediksi dan memberikan rekomendasi kelayakan kredit kepada nasabah yang ingin mengajukan kredit, karena pengambilan keputusan pemberian kredit masih dilakukan secara subjektif tanpa metode analisis yang tepat sehingga menghasilkan prediksi yang tidak akurat. Tujuan dari penelitian ini adalah untuk memprediksi dan memberikan rekomendasi kelayakan kredit nasabah di lembaga keuangan yang khusus memberikan pinjaman modal untuk nasabah perempuan prasejahtera yang memiliki usaha pada tingkatan ultra mikro, menggunakan pendekatan Algoritma Naive Bayes, algoritma ini memiliki fungsi yang dapat melakukan klasifikasi data secara kompleks pada kelas tertentu seperti kredit macet atau lancar dengan cara menghitung setiap kemungkinan yang terjadi berdasarkan kelas pada data training yang sudah ada sebelumnya.

Berdasarkan hasil analisa pada penelitian ini dapat disimpulkan bahwa dengan menggunakan pendekatan Algoritma Naive Bayes dapat memprediksi dan menghasilkan informasi terkait kelayakan kredit, sehingga dapat digunakan dalam memberikan rekomendasi kelayakan kredit kepada nasabah.Selain itu, algoritma ini juga dapat menghasilkan proses yang lebih efektif, sehingga lebih cepat untuk memprediksi dan memberikan rekomendasi kelayakan kredit nasabah yang ingin mengajukan kredit.Aplikasi atau perangkat lunak sangat layak digunakan, sehingga perlu dikembangkan aplikasi .Algoritma Naive Bayes dapat menghasilkan prediksi yang sangat akurat, sehingga algoritma tersebut dapat digunakan dalam menghasilkan rekomendasi kelayakan kredit nasabah.

Untuk penelitian lanjutan, dapat dilakukan pengembangan sistem rekomendasi kelayakan kredit nasabah dengan mempertimbangkan faktor-faktor lain yang dapat mempengaruhi kelayakan kredit, seperti sejarah kredit nasabah, kondisi ekonomi makro, dan faktor-faktor eksternal lainnya. Selain itu, penelitian dapat fokus pada perbandingan kinerja algoritma Naive Bayes dengan algoritma lain yang lebih kompleks, seperti Random Forest atau Support Vector Machine, untuk menentukan algoritma mana yang paling efektif dalam memprediksi kelayakan kredit nasabah. Terakhir, penelitian dapat mengeksplorasi penggunaan teknik-teknik penggalian data (data mining) lainnya, seperti clustering atau asosiasi aturan, untuk mengidentifikasi pola-pola yang lebih kompleks dalam data kredit nasabah dan meningkatkan akurasi prediksi kelayakan kredit.

  1. Rekomendasi Kelayakan Kredit Nasabah dengan Pendekatan Algoritma Naive Bayes | Jurnal SAINTEKOM... doi.org/10.36350/jskom.v2i1.83Rekomendasi Kelayakan Kredit Nasabah dengan PendekatanAAlgoritma Naive Bayes Jurnal SAINTEKOM doi 10 36350 jskom v2i1 83
Read online
File size402.31 KB
Pages6
DMCAReport

Related /

ads-block-test