Rekomendasi Kelayakan Kredit Nasabah dengan Pendekatan Algoritma Naive Bayes

Muhammad  Rizky Pratama; Joko  Sajarnoko

doi:10.36350/jskom.v2i1.83

Penulis

Muhammad Rizky Pratama Universitas Binaniaga Indonesia Penulis
Joko Sajarnoko Universitas Binaniaga Indonesia Penulis

DOI:

https://doi.org/10.36350/jskom.v2i1.83

Kata Kunci:

Kelayakan Kredit, Naive Bayes, , Nasabah, Prediksi, Rekomendasi

Abstrak

Pemberian kredit memiliki risiko kredit macet atau Non Performing Loan (NPL) yang dapat berpengaruh pada kegiatan utama suatu bank atau lembaga keuangan yang memberikan pinjaman. Risiko kredit macet menjadi permasalahan yang selalu dihadapi oleh lembaga keuangan, hal tersebut dapat terjadi karena tidak akurat dan tidak efektif dalam memprediksi dan memberikan rekomendasi kelayakan kredit kepada nasabah yang ingin mengajukan kredit, karena pengambilan keputusan pemberian kredit masih dilakukan secara subjektif tanpa metode analisis yang tepat sehingga menghasilkan prediksi yang tidak akurat. Tujuan dari penelitian ini adalah untuk memprediksi dan memberikan rekomendasi kelayakan kredit nasabah di lembaga keuangan yang khusus memberikan pinjaman modal untuk nasabah perempuan prasejahtera yang memiliki usaha pada tingkatan ultra mikro, menggunakan pendekatan Algoritma Naive Bayes, algoritma ini memiliki fungsi yang dapat melakukan klasifikasi data secara kompleks pada kelas tertentu seperti kredit macet atau lancar dengan cara menghitung setiap kemungkinan yang terjadi berdasarkan kelas pada data training yang sudah ada sebelumnya. Hasil dari penerapan Algoritma Naive Bayes dapat menghasilkan data dan informasi secara akurat, karena dapat memprediksi kelayakan kredit nasabah apakah berisiko lancar atau macet. Selain itu, algoritma ini juga dapat menghasilkan proses yang lebih efektif sehingga lebih cepat untuk memprediksi dan memberikan rekomendasi kelayakan kredit nasabah yang ingin mengajukan kredit dalam pemberian kredit kepada nasabah. Hasil uji coba pada ahli sistem rekomendasi kelayakan kredit nasabah dengan pendekatan Algoritma Naive Bayes, diperoleh hasil sebesar 100%. Sedangkan pada uji coba pada pengguna dengan menggunakan kuesioner PSSUQ sesuai dengan kategori PSSUQ diperoleh hasil secara keseluruhan (Overall) sebesar 100%, kegunaan sistem (Sysuse) sebesar 96,4%, kualitas informasi (Infoqual) sebesar 90,5%, dan kualitas antar muka (Interqual) sebesar 89,3%. Selain itu, untuk hasil uji tingkat keakuratan yang sudah dilakukan menggunakan Confusion Matrix, diperoleh hasil sebesar 92%.

Unduhan

Data unduhan tidak tersedia.

Referensi

[1] Ahdiat, A., 2024. Kredit Macet Turun Akhir 2023, Lebih Baik dari Pra-Pandemi [online]. https://databoks.katadata.co.id/keuangan/statistik/e2d460b8f37517e/kredit-macet-turun-akhir-2023-lebih-baik- dari-pra-pandemi (diakses 12.16.24).

[2] Alda, M., 2021. Rekayasa Perangkat Lunak Berorientasi Objek. Media Sains Indonesia, Bandung.

[3] Andjarwati, T., Budiarti, E., Susilo, K.E., Yasin, M., Soemadijo, P.S., 2021. Statistik Deskriptif. Zifatama Jawara, Sidoarjo.

[4] Andoyo, A., Angraeni, E.Y., Khumaidi, A., 2021. Sistem Pendukung Keputusan Konsep, Implementasi & Pengembangan. Adab, Indramayu.

[5] Antari, G.A.P.S., Setiawan, G.I., Imawati, I.A.P.F., 2024. Implementasi Metode Naïve Bayes Untuk Prediksi Kelayakan Bantuan Modal Dan Kredit Usaha Di Desa Selat Abiansemal Badung. J. Manaj. dan Teknol. Inf. 15.

[6] Aphale, A.S., Shinde, S.R., 2020. Predict Loan Approval in Banking System Machine Learning Approach for Cooperative Banks Loan Approval. Int. J. Eng. Res. Technol. 9, 991–995.

[7] Astofa, A., Sutono, E., 2024. Implementasi Algoritma Naïve Bayes Untuk Memprediksi Kelayakan Kredit Nasabah. Log. J. Ilmu Komput. dan Pendidik. 2, 766–775.

[8] Botchey, F.E., Qin, Z., Hughes-Lartey, K., 2020. Mobile Money Fraud Prediction-A Cross-Case Analysis On The Efficiency of Support Vector Machines, Gradient Boosted Decision Trees, and Naïve Bayes Algorithms. Inf. 11.

[9] Cahyo, A.D., 2023. Metode Naive Bayes Untuk Klasifikasi Masa Studi Sarjana. Teknologipintar 3.

[10] Erizal, Hanifa, R., 2024. Kredit Pengembangan Usaha Mikro Dan Menengah. Azka Pustaka, Pasaman Barat.

[11] Farrales, V., Mandigma, J., Capistrano, C., Bedis, Jr., S., Fabregas, A., 2024. Credit Assessment and Recommendation System (CARS) Using Naive Bayesian Algorithm. Technol. A Glob. J. Technol. Dev. Sci. Innov. 2, 61–69.

[12] Habibi, R., Aprilian, R., 2020. Tutorial dan penjelasan aplikasi e-office berbasis web menggunakan metode RAD. Kreatif Industri Nusantara, Bandung.

[13] Habibi, R., Sandi, K., 2020. Aplikasi Bank Sampah Istimewa Menggunakan Framework PHP Codeigniter dan DBMS MySQL. Kreatif Industri Nusantara, Bandung.

[14] Herlambang, H.P., Saputra, F., Prasetiyo, M.H., Puspitasari, D., Nurlaela, D., 2023. Perbandingan Klasifikasi Tingkat Penjualan Buah di Supermarket dengan Pendekatan Algoritma Decision Tree, Naive Bayes dan K-Nearest Neighbor. J. Insa. - J. Inf. Syst. Manag. Innov. 3, 21–28.

[15] Hidayat, A.S., Dlis, F., Hanief, S., 2020. Pengembangan Model Pembelajaran Atletik Nomor Lari Berbasis Permainan Pada Siswa Sekolah Dasar. Sarnu Untung, Grobogan.

[16] Jufri, Thamrin, M., Siswa, T.A.Y., Dermawan, A.A., Supriyanto, B.F., 2025. Dasar Dasar Data Mining: Konsep, Teknik Dan Aplikasi. Yayasan Tri Edukasi Ilmiah, Kab. Agam.

[17] Kosasih, J.I., 2021. Akses Perkreditan dan Ragam Fasilitas Kredit dalam Perjanjian Kredit Bank. Sinar Grafika, Jakarta.

[18] Krichene, A., 2017. Using A Naive Bayesian Classifier Methodology For Loan Risk Assessment: Evidence From A Tunisian Commercial Bank. J. Econ. Financ. Adm. Sci. 22, 3–24.

[19] Kusnaeni, Husain, H., Nisardi, M.R., 2024. Penerapan Naïve Bayes dalam Klasifikasi Kelayakan Kredit Nasabah Bank. Pros. Semin. Nas. Stat. Aktuaria 3.

[20] Kyeong, S., Shin, J., 2022. Two-stage Credit Scoring Using Bayesian Approach. J. Big Data 9.

[21] Lestari, S., Akmaludin, A., Badrul, M., 2020. Implementasi Klasifikasi Naive Bayes Untuk Prediksi Kelayakan Pemberian Pinjaman Pada Koperasi Anugerah Bintang Cemerlang. PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput. 7, 8–16.

[22] Mariana, 2022. Informasi Akuntansi dan Keputusan Kredit. Bintang Semesta Media, Yogyakarta.

[23] Mattoasi, M., Taruh, V., Monoarfa, S.A., 2023. Efektivitas Pengendalian Kredit Macet pada Bank SULUTGO Cabang Gorontalo. Jambura Account. Rev. 4, 104–113.

[24] Nurjanah, I., Karaman, J., Widaningrum, I., Mustikasari, D., Sucipto, 2023. Penggunaan Algoritma Naïve Bayes Untuk Menentukan Pemberian Kredit Pada Koperasi Desa. Explor. J. Comput. Sci. Inf. Technol. 3, 77–87.

[25] Page, M., Brunsveld, N., Hair, J., 2019. Essentials of Business Research Methods. Taylor & Francis, New York. Pahlevi, O., Amrin, A., Handrianto, Y., 2023. Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit. J. Infortech 5, 71–76.

[26] Radillah, T., Tambunan, L., Satria, B., Iqbal, M., 2021. Analisa Metode Profile Matching Dalam Menentukan Kelayakan Pemberian Kredit Kepemilikan Rumah (KPR). J. Inform. Manaj. dan Komput. 13, 69.

[27] Retnosari, R., 2021. Analisa Kelayakan Kredit Usaha Mikro Berjalan Pada Perbankan Dengan Metode Naive Bayes. PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput. 8, 53–59.

[28] Sari, R.M., Tasril, V., Wahyuni, S., Putri, S.E., 2024. Klasifikasi Forecasting Mengunakan Algoritma Naive Bayes. Serasi Media Teknologi, Payakumbuh.

[29] Setio, P.B.N., Saputro, D.R.S., Bowo Winarno, 2020. Klasifikasi Dengan Pohon Keputusan Berbasis Algoritme C4.5. Prism. Pros. Semin. Nas. Mat. 3, 64–71.

[30] Simanjuntak, A.Y., Simatupang, I.S.S., Anita, 2022. Implementasi Data Mining Menggunakan Metode Naïve Bayes Classifier Untuk Data Kenaikan Pangkat Dinas Ketenagakerjaan Kota Medan. J. Sci. Soc. Res. 4307, 85–91.

[31] Sriani, Nasution, R.H., Humaira, S., 2024. Implementasi Algoritma Naïve Bayes Untuk Memprediksi Kelayakan Pemberian Kredit Sepeda Motor. J. Sci. Soc. Res.546–554.

[32] Sudrajat, A., Mulyani, N., Marpaung, N., 2022. Sistem Pendukung Keputusan Penentuan Kelayakan Penangguhan Kredit Nasabah menggunakan Naïve Bayes. Edumatic J. Pendidik. Inform. 6, 205–214.

[33] Sufandi, U.U., Aprijani, D.A., 2022. Pengukuran Usability Aplikasi Web Menggunakan Metode PSSUQ. JST (Jurnal Sains dan Teknol. 11, 249–256.

[34] Sukamto, R.A., Salahuddin, M., 2018. Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Informatika Bandung, Bandung.

[35] Supangat, Sulistyawan, M.R., 2023. Pemodelan Prediksi Tingkat Kelulusan Mahasiswa Dengan Pendekatan Algoritma Naïve Bayes. J. Inform. Polinema 9, 405–414.

[36] Suparwito, H., Gunawan, R., Binanto, I., Kumalasanti, R.A., Widyastuti, W., 2023. Pengantar Pembelajaran Mesin Menggunakan Bahasa Pemrograman Python. Sanata Dharma University Press, Yogyakarta.

[37] Suprapto, U., 2021. Pemodelan Perangkat Lunak SMK/MAK Kelas XI. Gramedia Widiasarana indonesia, Jakarta.

[38] Surahman, A., Hayati, U., 2023. Implementasi Algoritma Naive Bayes Untuk Prediksi Penerima Bantuan Sosial. JATI (Jurnal Mhs. Tek. Inform. 7, 347–352.

[39] Susilo, A., 2023. Perbandingan Kinerja K-Nearest Neighbors dan Naive Bayes Untuk Klasifikasi Perilaku Nasabah Pada Pembayaran Kredit Bank. J. Sains dan Teknol. 3, 364–379.

[40] Umami, A., 2021. Konsep Dasar Biotatistik. Pelita Medika, Kediri.

[41] Wahyuni, R., Irawan, Y., 2020. Aplikasi E-Book Untuk Aturan Kerja Berbasis Web Di Pengadilan Negeri Muara Bulian Kelas II Jambi. J. Ilmu Komput. 9, 20–26.

[42] Werdiningsih, I., Novitasari, D.C.R., Haq, D.Z., 2022. Pengelolaan Data Mining dengan Pemrograman Matlab. Airlangga University Press, Surabaya.

[43] Winda Patrianingsih, N.K., Sugianta, I.K.A., 2024. Analisis Kelayakan Kredit Koperasi Mitra Tani Mandiri Dengan Algoritma Naïve Bayes. Zo. J. Sist. Inf. 6, 298–307.

[44] Zai, C., 2022. Implementasi Data Mining Sebagai Pengolahan Data. J. Portal Data, 1–12.

[45] Zein, A., Susilo, D., Mustakim, Effendi, R., Purbaratri, W., 2023. Konsep Dasar Rekayasa Perangkat Lunak. Cendikia Mulia Mandiri, Batam.