Penerapan Data Mining Dalam Pemberian Kelayakan Kredit Nasabah Pada Badan Usaha Milik Desa Gedong Gincu Dengan Metode Naïve Bayes

Farras Hanifatun; Lisna Zahrotun

doi:10.30591/jpit.v10i1.5939

Penerapan Data Mining Dalam Pemberian Kelayakan Kredit Nasabah Pada Badan Usaha Milik Desa Gedong Gincu Dengan Metode Naïve Bayes

Farras Hanifatun, Lisna Zahrotun

Abstract

BUMDes Gedong Gincu is a rural business that provides savings and loan services to village communities. BUMDes Gedong Gincu in determining customers is still very simple, namely by looking at where the customer comes from and how close they are to previous customers who have applied for credit, so it is not a guarantee whether or not the new customer is eligible to get a loan at BUMDes Gedong Gincu. Another problem that occurs is the lack of thoroughness by BUMDes administrators in assessing customers. The aim of this research is to apply the Naïve Bayes method in determining the credit worthiness of customer applications. The method used in this research is Naïve Bayes with testing using a confusion matrix. Research stages include data selection, data cleaning, data transformation, application of the Naïve Bayes method, testing. The result of this research is an application that can facilitate BUMDes Gedong Gincu in evaluating the feasibility of providing credit. The test results using 186 data using the confusion matrix method, an accuracy of 67% was obtained. However, based on SUS testing by users, they got a result of 82.25. This indicates that this application is good and suitable for use by BUMDes Gedong Gincu.

Keywords

Data mining; Classification; Naïve bayes, BUMNDes.

Full Text:

References

E. D. S. M. Mulyani, A. Rihadisha, G. Greshanayathi, N. Saputri, dan Wulansari, “Klasifikasi Penentuan Kelayakan Pemberian Kredit Menggunakan Metode Naive Bayes Classifier Classification of Determination of Credit Worthiness Using the Naive Bayes Classifier Method,” J. VOI (Voice Informatics), vol. 9, no. 2, hal. 81–92, 2020, [Daring]. Tersedia pada: https://voi.stmik-tasikmalaya.ac.id/index.php/voi/article/view/226

I. K. D. Wisma Putra dan I. N. Bagiastra, “Pemberian Kredit Pada Badan Usaha Milik Desa Bumi Kertih Karanganyar Desa Batur Selatan Kabupaten Bangli,” Kertha Semaya J. Ilmu Huk., vol. 8, no. 11, hal. 1671, 2020, doi: 10.24843/ks.2020.v08.i11.p01.

S. Widaningsih, “Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm,” J. Tekno Insentif, vol. 13, no. 1, hal. 16–25, 2019, doi: 10.36787/jti.v13i1.78.

A. Ridwan, “Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus,” J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 4, no. 1, hal. 15–21, 2020, doi: 10.47970/siskom-kb.v4i1.169.

S. Lestari, A. Akmaludin, dan M. Badrul, “Implementasi Klasifikasi Naive Bayes Untuk Prediksi Kelayakan Pemberian Pinjaman Pada Koperasi Anugerah Bintang Cemerlang,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 7, no. 1, hal. 8–16, 2020, doi: 10.30656/prosisko.v7i1.2129.

E. D. S. Mulyani, A. Rihadisha, dan ..., “Klasifikasi Penentuan Kelayakan Pemberian Kredit Menggunakan Metode Naive Bayes Classifier (Studi Kasus: Koperasi Simpan Pinjam Simpenan Pameungkeut …,” J. VOI (Voice …, vol. 6, hal. 391–404, 2020, [Daring]. Tersedia pada: https://voi.stmik-tasikmalaya.ac.id/index.php/voi/article/view/226

R. Retnosari, “Analisa Kelayakan Kredit Usaha Mikro Berjalan pada Perbankan dengan Metode Naive Bayes,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 8, no. 1, hal. 53–59, 2021, [Daring]. Tersedia pada: https://e-jurnal.lppmunsera.org/index.php/PROSISKO/article/view/2848

N. Agung Nugroho dan D. Dini Oktaviani, “Mencegah Kredit Macet Dengan Analisa Kelayakan Pembiayaan Dengan Metode C4.5 Dan Naïve Bayes,” J. Teknol. Pelita Bangsa, vol. 11, no. 2, 2020.

N. Siti Qomah, “Klasifikasi Pengelolaan Kredit Menggunakan Metode Naïve Bayes,” J. Data Sci. Inform., vol. 2, no. 1, hal. 35–40, 2021.

W. Habibulloh dan S. Topiq, “Klasifikasi Kelayakan Kredit Menggunakan Algoritma Naive Bayes Pada Ksp Mekar Jaya Maleber,” J. Responsif Ris. Sains dan Inform., vol. 3, no. 1, hal. 92–99, 2021, doi: 10.51977/jti.v3i1.440.

Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM _ Sumarlin _ JSINBIS (Jurnal Sistem Informasi Bisnis).pdf.”

A. Damuri, U. Riyanto, H. Rusdianto, dan M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 6, hal. 219, 2021, doi: 10.30865/jurikom.v8i6.3655

I. G. T. Isa, “Aplikasi Asesmen Calon Debitur menggunakan Naive Bayes di Koperasi Mitra Sejahtera SMK Negeri 1 Kota Sukabumi,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 10, no. 1, hal. 31–39, 2021, doi: 10.32736/sisfokom.v10i1.1013.

A. Z. M. Sigid Widodo, A. Pandu Kusuma, dan W. Dwi Puspitasari, “Analisis Algoritma Naive Bayes Classifier (Nbc) Pada Klasifikasi Tingkat Minat Barang Di Toko Violet Cell,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, hal. 87–94, 2023, doi: 10.36040/jati.v7i1.5692.

I. P. Dewi, J. Jondri, dan K. M. Lhaksmana, “Prediksi Retweet Menggunakan Metode Bernoulli Dan Gaussian Naive Bayes Di Media Sosial Twitter Dengan Topik Vaksinasi Covid-19,” eProceedings Eng., vol. 8, no. 5, hal. 11216–11225, 2021.

DOI: https://doi.org/10.30591/jpit.v10i1.5939