<![CDATA[INTISARIPihak bank dalam memberikan pinjaman perlu melaksanakan credit analisis evaluasi approval terlebih dahulu supaya resiko yang timbul dari pemberian kredit kepada calon debitur tidak terlalu besar. Data mining merupakan teknik yang memanfaatkan data dengan jumlah yang besar untuk mendapatkan informasi atau data yang berharga untuk mengambil keputusan yang penting. Data mining juga telah terbukti digunakan dalam perbankan yang mengklasifikasikan data yang berguna dan berukuran besar dalam melakukan big data dan analysis. Dalam penelitian ini studikasus yang dilakukan pada data debitur Bank PT. BPR Lebak Sejahtera Kabupaten Lebak dengan menggunakan model Naive Bayes (NBC) & Learning Vector Quantization. Dengan menggunakan teknologi di bidang data mining yang mengoptimasi proses pencarian informasi prediksi dalam basis data yang besar, serta menemukan pola-pola yang tidak diketahui sebelumnya. Naïve Bayes memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya dengan mempelajari korelasi hipotesis yang merupakan label kelas yang menjadi target pemetaan dalam klasifikasi dan evidence yang merupakan fitur-fitur yang menjadi masukan dalam model klasifikasi. Pengolahan data berbasis data mining tersebut diharapkan dapat digunakan sebagai alat bantu dalam memprediksikan kelayakan kredit yang memperkirakan layak atau tidaknya pemohon atau nasabah untuk diberikan kredit..Kata kunci— Data Mining, Naïve Bayes, Learning Vector Quantization , Bank, Kredit. ABSTRACTThe bank in providing loans needs to predict the feasibility of applying for credit in advance so that the risks arising from lending to prospective debtors are not too great. Data mining is a technique that utilizes a large amount of data to obtain valuable information or data to make important decisions. Data mining has also been shown to be used in banks that classify useful and large-sized data. In this study, the case study was conducted on the data of the bank debtors. PT. BPR Lebak Sejahtera District using Naive Bayes (NBC) Learning Vector Quantization model. By using technology in the field of data mining that optimizes the process of searching for predictive information in large databases, as well as finding previously unknown patterns. Naive Bayes predicts future probabilities based on previous experience by studying the correlation of hypotheses that are class labels that are the target of mapping in classification and evidence which are features that are input in the classification model. Data mining-based data processing is expected to be used as a tool in predicting creditworthiness that estimates whether or not the applicant or customer is eligible for credit. Keywords— Data Mining, Naïve Bayes, Learning Vector Quantization, Bank, Credit.]]>
