Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Idealis : Indonesia Journal Information System SmartComp
Nastiti, Faulinda Eli
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Electrical & Electronics Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN MODEL CRISP-DM PADA PREDIKSI NASABAH KREDIT MENGGUNAKAN ALGORITMA RANDOM FOREST Saputra, Dwi Bagus; Atina, Vihi; Nastiti, Faulinda Eli
IDEALIS : InDonEsiA journaL Information System Vol. 7 No. 2 (2024): Jurnal IDEALIS Juli 2024
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v7i2.3244

Abstract

Non-performing loans (NPLs) are one of the main challenges faced by Baitut Tamwil Tazakka Savings and Loan Cooperative, which can potentially threaten the financial stability and health of the institution. This study aims to evaluate the effectiveness of the Random Forest algorithm in predicting NPLs in the cooperative. The CRISP-DM method is applied in this study, encompassing the stages of business understanding, data understanding, data preparation, modeling, evaluation, and deployment. The data used consists of 14 attributes and 190 records that have been cleaned of missing values. The modeling results show that the Random Forest algorithm can provide very high prediction accuracy, with the best accuracy reaching 94.8% on a 90:10 dataset split. Performance metrics evaluation such as AUC, CA, F1 Score, Precision, Recall, and MCC indicate very good values, signifying strong predictive performance. Confusion matrix analysis also confirms high prediction accuracy with most correct predictions in the categories of non-performing, performing, and sub-performing loans. This study confirms that the Random Forest algorithm is effective in predicting NPLs, underscores the importance of applying machine learning in credit risk management, and contributes significantly to the financial stability of the cooperative through more accurate NPL predictions.
Implementasi Algoritma Naive Bayes dalam Sistem Analisis Sentimen Aplikasi Zenius pada Playstore Wahyudi, Risqi; Hasanah, Herliyani; Nastiti, Faulinda Eli
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 2 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i2.7436

Abstract

Telah berkembang belajar online di salah satu platform pembelajaran online terkemuka di Indonesia yang menawarkan berbagai materi pendidikan untuk siswa dari berbagai jenjang, mulai dari sekolah dasar hingga menengah atas. Zenius telah menjadi salah satu platform utama yang menawarkan berbagai kursus online dalam berbagai bidang. Maka diperlukan analisis sentimen pengguna untuk mengetahui apakah aplikasi zenius ini dapat memberikan Pelajaran atau kursus online secara baik dan memuaskan. tujuan penelitian ini adalah untuk menerapkan algoritma Naive Bayes ke dalam sistem analisis sentimen yang berkaitan dengan komentar-komentar pengguna yang terkait dengan aplikasi Zenius di Play Store.  Naive bayes algoritma yang didasarkan pada Teorema Bayes, yang menggabungkan probabilitas kejadian sebelumnya dengan bukti baru untuk membuat prediksi.Algoritma Naïve Bayes diterapkan untuk mengidentifikasi sentimen pengguna yang dibagi menjadi tiga kategori: positif, negatif, dan netral. Hasil analisis menunjukkan bahwa dengan train-test split 10%, aplikasi memiliki tingkat sentimen positif sebesar 83%, negatif 55%, netral 16%, dan akurasi 69%. Dengan train-test split 20%, hasilnya adalah positif 88%, negatif 58%, netral 28%, dan akurasi 76%. Sedangkan dengan train-test split 30%, diperoleh hasil positif 87%, negatif 52%, netral 28%, dan akurasi 75%.
Co-Authors Atina, Vihi Hasanah, Herliyani Saputra, Dwi Bagus Wahyudi, Risqi