Text
ANALISIS PERBANDINGAN METODE NEURAL NETWORKS DAN NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PEMBERIAN KREDIT (STUDI KASUS: PT. ADIRA FINANCE CABANG KOTA TERNATE)
Kredit merupakan salah satu jalan pintas yang terkadang diambil oleh masyarakat untuk memenuhi kebutuhannya
namun memiliki resiko yang besar bagi perusahaan seperti nasabah kredit macet. Klasifikasi data mining dipilih
untuk dapat membantu memberikan penyelesaian masalah tersebut. Pada penelitian ini menggunakan klasifikasi
dengan model algoritma Neural Network dan Naïve Bayes kemudian membandingkan untuk melihat model
algoritma mana yang memiliki akurasi terbaik dalam mengklasifikasikan status kredit nasabah menggunakan
Bahasa pemrograman phyton kemudian dilanjutkan dengan pengukuran menggunakan confusion matrix. Hasil
algoritma Neural Network setelah dilakukan pengujian confusion matrix menunjukkan nilai akurasi yang sangat
tertinggi adalah 85,0% dan algoritma Naïve Bayes setelah dilakukan pengujian confusion matrix menunjukkan
nilai akurasi yang sangat tertinggi adalah 84,7%. Berdasarkan hasil tersebut hal ini menunjukkan bahwa Neural
Network sedikit lebih baik dalam melakukan klasifikasi terhadap data nasabah kredit dibandingkan dengan Naïve
Bayes.
Kata kunci: data mining, klasifikasi, resiko kredit, neural network, naïve bayes.
Tidak tersedia versi lain