Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN KREDIT NASABAH KOPERASI MENGGUNAKAN NA�VE BAYES
Zainul Muhabat (2016) | Skripsi | -
Bagikan
Ringkasan
Salah satu kegiatan dalam koperasi yakni pemberian pinjaman kredit pada nasabah koperasi yang akan dikembalikan dalam jangka waktu yang ditentukan. Dalam pemberian kredit, pihak koperasi menganalisa data dari nasabah kemudian didapatkan hasil prediksi kelayakan dari nasabah. Naïve bayes classifier adalah classifier probabilistik sederhana berdasarkan penerapan teorema Bayes (dari statistic Bayesian) dengan asumsi independen yang kuat. Metode ini dapat digunakan untuk memprediksi kelayakan nasabah koperasi. Kelebihan naive bayesian filtering diantaranya adalah tingkat akurasi yang tinggi dan NPL (Non Performing Loan) yang minimum. Pada penelitian ini parameter yang digunakan yaitu keperluan pinjaman, karakter, gaji bersih, colateral, persetujuan kredit dan jangka waktu, yang dipergunakan algoritma naive bayes untuk memprediksi kelayakan. Dari masalah tersebut penelitian dilakukan uji coba dengan lima proses skenario, dari lima skenario ini didapat tingkan keberhasilan metode naive bayes untuk mengklasifikasikan kelayakan nasabah dengan tingkat akurasi lebih dari sama dengan 26.4% dan tingkat kepresisian lebih dari sama dengan 74.4%.
Ringkasan Alternatif
One of the activities in a cooperation is giving loan (credit) to the costomerÃâs. Which it will be returned in period of time. In giving credit, the cooperation analysies the costomerÃâs date first. Then, got the result of the costomerÃâs expediency prediction. Naive Bayes Classifier is simple classifier probabilistik based on assembling theory Bayes (From Bayesian statistic) with assumption strong indepent. This method could used to predict the costomer expediency of coopertion. The overbalance of Naive Bayes Filtering is accuracy level that high and small NPL (non performing loan) which minimum. In this experiment the parameter that used namely : Loan need, character, salary, colateral, credit agreement and period of time, which used by Naive Bayes Algorithm to predict the expediency. From this problem, the experiment has doing in five processes. From those is obtained the success of method Naive Bayes to classified the expediency by accuracy level more than equals 26.4 percent and precision level more than equals 74.4 percent.