Model Klasifikasi Kelayakan Pengajuan Kredit Bank Menggunakan Naive Bayes
DOI:
https://doi.org/10.55601/jsm.v26i2.1803Keywords:
Klasifikasi, Naïve bayes, Pemberian Pinjaman, Confusion MatrixAbstract
Pemberian pinjaman oleh Lembaga keuangan membutuhkan evaluasi yang baik untuk memastikan kelayakan nasabah sebagai calon debitur demi mengurangi resiko gagal bayar. Atribut yang dipakai dalam menentukan kelayakan calon debitur, seperti daerah tempat tinggal, jenis kelamin, status perkawinan, beban tanggungan, edukasi, status pekerjaan, pendapatan, pendapatan sampingan, jumlah pinjaman, lama pinjaman, riwayat kredit. Naïve Bayes merupakan metode klasifikasi berbasis probabilistic dengan asumsi independen antara atribut. Atribut– atribut tersebut dihitung untuk mendapatkan atribut kelayakan pinjaman sebagai hasil klasifikasi yang terkait dengan seberapa akurat performa model Naïve Bayes dalam memprediksi kelayakan kredit berdasarkan data historis. Kualitas model diukur menggunakan confusion matrix, juga dibahas terkait akurasi, presisi dan recall. Rumusan masalah pada penelitian ini adalah Bagaimana cara kerja model klasifikasi untuk kredit bank menggunakan Naïve Bayes. Pengujian menunjukkan algoritma Naïve Bayes mampu melakukan klasifikasi dengan tingkat akurasi 86%, precision sebesar 88% dan recall sebesar 86% dengan hasil tersebut harapan dari penelitian ini adalah model Naïve Bayes bisa bermanfaat untuk meningkatkan efisiensi dalam proses pengajuan pinjaman pada Lembaga keuangan.
References
M. E. Purba, A. Z. Situmorang, and M. W. P. Lubis, “Perbandingan Pengklasifikasian Penyakit Parkinson Menggunakan Algoritma Naive Bayes, Random Forest, dan Regresi Logistik,” Jurnal Sifo Mikroskil, vol. 26, no. 1, pp. 21–36, Apr. 2025, doi: 10.55601/jsm.v26i1.1466.
E. Martantoh and N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadian Siswa Di Sekolah MTS Darussa’adah Menggunakan PHP MySQL,” Jurnal Teknologi dan Sistem Informasi (JTSI), vol. 3, no. 2, pp. 166–175, Sep. 2022, doi : 10.35957/jtsi.v3i2.
J. K. Sulaiman, A. Syakur, R. P. Putra, and C. Juliane, “Optimalisasi Metode Naive Bayes Classifier Untuk Prediksi Persetujuan Kredit,” Indonesian Journal of Computer Science Attribution, vol. 13, no. 1, pp. 1091–1099, 2024, doi: 10.33022/ijcs.v13i1.
H. Hartono, A. Hajjah, and Y. N. Marlim, “Penerapan Metode Naïve Bayes Classifier Untuk Klasifikasi Judul Berita,” Jurnal SimanteC, vol. 12, no. 1, pp. 37-46, Des. 2023, doi : 10.21107/simantec.v12i1.19398.
R. Vincent, I. Maulana, and O. Komarudin, “Perbandingan Klasifikasi Naive Bayes dan Support Vector Machine dalam Analisis Sentimen dengan Multiclass di Twitter,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 4, pp. 2496-2505, Agu. 2023, doi: 10.36040/jati.v7i4.7152.
S. Lestari and D. Mayasari, “Analisa Penerapan Metode Naïve Bayes Dalam Memprediksi Kelayakan Calon Nasabah Dalam Melakukan Pinjaman,” Jurnal Elektronika dan Teknik Informatika Terapan (JENTIK), vol.1,no. 2, pp. 30–37, Jun. 2023, doi: 10.59061/jentik.v1i2.351.
A. Astofa and E. Sutono, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Kelayakan Kredit Nasabah,” LOGIC : Jurnal Ilmu Komputer dan Pendidikan, vol. 2, no. 5, pp. 766–775, Agu. 2024.
T. Ardiyanto and H. W. Nugroho, “Penentuan kelayakan penerima pembiayaan kredit menggunakan metode naive bayes dan algoritma C4.5 Studi kasus KSPPS. BMT adil berkah sejahtera,” Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data), vol. 6, no. 2, pp. 1–11, Mar. 2023, doi : 10.30873/simada.v6i2.
H. Susana and N. Suarna, “Penerapan model klasifikasi metode naive bayes terhadap penggunaan akses internet,” Jursistekni (Jurnal Sistem Informasi dan Teknologi Informasi), vol. 4, no. 1, pp. 1–8, 2022, doi : 10.52005/jursistekni.v4i1.96.
M. R. B. Keliat et al., “Komparasi Algoritma Support Vector Machine dan Naïve Bayes pada Klasifikasi Jenis Buah Kurma berdasarkan Citra Hue Saturation Value,” Sistemasi: Jurnal Sistem Informasi, vol. 14, no. 1, pp. 470–481, Feb. 2025, doi : 10.32520/stmsi.v14i1.4978.
W. E. Nugroho, A. Sofyan, and O. Somantri, “Metode Naive Bayes Dalam Menentukan Program Studi Bagi Calon Mahasiswa Baru,” Infotekmesin, vol. 12, no. 1, pp. 59–64, Mar. 2021, doi: 10.35970/infotekmesin.v12i1.491.
A. Jalil, A. Homaidi, and Z. Fatah, “Implementasi Algoritma Support Vector Machine Untuk Klasifikasi Status Stunting Pada Balita,” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 3, pp. 2070–2079, Jul. 2024, doi: 10.33379/gtech.v8i3.4811.
K. Nurnasikha, S. Farisa, and C. Haviana, “Klasifikasi Bidang Ilmu Publikasi Ilmiah Terindeks SINTA Menggunakan Metode Naïve Bayes,” Jurnal Transistor Elektro dan Informatika (TRANSISTOR EI), vol. 5, no. 3, pp. 147–154, 2023.
W. I. Rahayu, C. Prianto, and E. A. Novia, “Perbandingan algoritma K-means dan naïve bayes untuk memprediksi prioritas pembayaran tagihan rumah sakit berdasarkan tingkat kepentingan pada PT. Pertamina (Persero),” Jurnal Teknik Informatika, vol. 13, no. 2, pp. 1–8, Apr. 2021.
L. Hakim, A. Sobri, L. Sunardi, and D. Nurdiansyah, “Prediksi penyakit jantung berbasis mesin learning dengan menggunakan metode k-nn,” Jurnal Digital dan Teknologi Informasi, vol. 7, no. 2, pp. 14–20, 2024, doi: 10.32502/digital.v7i2.9429.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Joshua Valens Andrian, Charitas Fibriani
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
1.png)
