PREDIKSI TINGKAT KELANCARAN PEMBAYARAN KREDIT BANK MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS FORWARD SELECTION


Maryam Hasan(1*);

(1) 
(*) Corresponding Author

  

Abstract


Tujuan dari Penelitian ini adalah Mengoptimalkan algoritma Naïve Bayes dengan seleksi fitur Forward Selection untuk dapat meningkatkan hasil akurasi atau tingkat keberhasilan yang didapatkan dari prediksi pembayaran kredit.Data yang akan digunakan dalam penelitian ini berasal dari Bank XY yang berada di Gorontalo. Data yang diperoleh berkaitan dengan semua aspek dari nasabah kredit termasuk informasi pribadi dari nasabah. Desain eksperimen dalam penelitian ini menggunakan dataset nasabah kredit.sedangkan analisi yang digunakan adalah Model algoritma Naïve Bayes dengan seleksi fitur Forward Selection. Prediksi tingkat kelancaran pembayaran kredit menggunakan algoritma Naïve Bayes berbasis Forward Selection mampu memprediksi kelancaran pembayaran kredit ke depannya hal ini terbukti dengan perolehan nilai akurasi Naive bayes berbasis Forward Selection mampu mencapai nilai akurasi 71,97 %.

Keywords


Risiko Kredit; Penilaian Kredit; Algoritma Naïve Bayes; Forward Selection

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 2926 times
PDF view: 1852 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/ilkom.v9i3.163.317-324 		  

Cite

How to cite item

References


Kashif Imran “Determinants of bank credit in Pakistan: A supply side approach”. Economic Modelling 35 (2013) 384–390.

Undang-Undang Republik Indonesia Nomor 10 Tahun 1998 Tentang Perubahan Atas Undang-Undang Nomor 7 Tahun 1992 Tentang Perbankan

Jiawei Han and Micheline Kamber “Data Mining : Concepts and Tecniques”. Department of Computer Science University of Illinois at Urbana-Champaign. www.cs.uiuc.edu/~hanj, 2006

Arash Bahrammirzaee et al “Hybrid credit ranking intelligent system using expert system and artificial neural networks”. Department of Information Technology Management, Tarbiat Modares University, Tehran, Iran. Appl Intell (2011) 34: 28–46. DOI 10.1007/s10489-009-0177-8

Lean Yu et al “Credit risk evaluation using a weighted least squares SVM classifier with design of experiment for parameter selection”. Expert Systems with Applications 38 (2011) 15392–15399

Harry Zhang “The Optimality of Naive Bayes”. American Association for Artificial Intelligence (www.aaai.org). All rights reserved, 2004

Yi Jiang “Credit Scoring Model Based on the Decision Tree and the Simulated Annealing Algorithm”. World Congress on Computer Science and Information Engineering, 2008 IEEE DOI 10.1109/CSIE.2009.481

Charu C. Aggarwal and Philip S. Yu “A General Survey of Privacy-Preserving Data Mining Models and Algorithms”, Springer, 2008

Fareed Akthar dan Caroline Hahne “RapidMiner 5 Operator Reference”. Rapid-I GmbH. All rights reserved © 2012

Farianto Pandila, SE., MM, “Manajemen Dana dan Kesehatan Bank”, Soft Cover, Jakarta : Rineka Cipta, 2012, 169 – 204

Nani Triwahyuniati, Sh “Pelaksanaan Analisis Pemberian Kredit Di Pt Bank Haga Cabang Semarang”. Tesis, 2008

Nisa’ Mustikawati et al “Penerapan Manajemen Risiko Untuk Meminimalisir Risiko Kredit Macet (Studi Pada PT. Bank Tabungan Pensiunan Nasional Cabang Kediri)”. Artikel, 2013

Dharma Setiawan “Analisis Terhadap Penerapan Manajemen Risiko Kredit Pada Pt. Bank Ekspor Indonesia”. http://papers.gunadarma.ac.id. 2007

Harjum Muharam “Model Risiko Kredit: Pendekatan Dan Faktor-Faktor Yang Mempengaruhinya”. http://eprints.unisbank.ac.id/id/eprint/167. 2012

Irman Hermadi et al “Clustering Menggunakan Self Organizing Maps (Studi Kasus: Data PPMB IPB)”. Related articles, 2007

Dian Wirdasari dan Ahmad Calam “Penerapan Data Mining Untuk Mengelola Data Penempatan Buku Di Perpustakaan SMK TI PAB 7 Lubuk Pakam Dengan Metode Association Rule”. Jurnal SAINTIKOM. Vol. 10 / No. 2 / Mey 2011

Prasetyo Anugroho et al “Klasifikasi Email Spam Dengan Metode Naïve Bayes Classifier Menggunakan Java Programming”. Related articles, 2010

Mujib Ridwan et al “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier”. Jurnal EECCIS Vol.7, No. 1, Juni 2013

Ivan Jaya “Analisis Seleksi Atribut Pada Algoritma Naïve Bayes Dalam Memprediksi Penyakit Jantung”. Tesis, 2013

Jiawei Han and Micheline Kamber “Data Mining: Concepts and Techniques (2nd edition)”. Related articles, 2006

Arief Jananto “Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa”. Jurnal Teknologi Informasi DINAMIK Volume 18, No.1, Januari 2013 : 09-16. ISSN : 0854-9524

Bustami “Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi”. Jurnal Informatika Vol. 8, No. 1, Januari 2014

Khairul Saleh “Penyeleksian Variabel Dengan Prosedur Regresi Bertahap”. Jurnal Eksakta – BIAGROTEK, ISSN : 2085 – 0646. Volume 2, Nomor 2, Juli 2010

Rian Mulyana “Aplikasi Metode Variable Selection Untuk Menentukan Faktor Dominan Yang Mempengaruhi Pendidikan Dan Kesehatan”. http://repository.ipb.ac.id. 2012

Stephen V. Stehman “Selecting And Interpreting Measures Of Thematic Classification Accuracy”. Remote Sens. Envihon. 62:77--89 (1997).

Deny Kurniawan “REGRESI LINIER (LINEAR REGRESSION)”. R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org

Michael H. Kutner et al, “Applied Linear Statistical Models”. 4th ed. New York: McGraw-Hill


Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Maryam Hasan

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.