<![CDATA[Abstrak Algoritma decision tree dan naïve bayes merupakan teknik klasifikasi yang paling banyak digunakan. Dalam dunia perbankan, algoritma tersebut dapat digunakan untuk membuktikan keefektifan aspek penentu (kapasitas) yang digunakan untuk menilai kelayakan debitur pada BPR XYZ. Keakuratan hasil pengujian dengan use training set, cross validation, dan percentage split digunakan untuk mengetahui algoritma pengklasifikasian yang kinerjanya paling baik dalam membuktikan keefektifan faktor penentu. Berdasarkan hasil penelitian diperoleh nilai kolektibilitas berstatus lancar sebesar 0.4155 dan nilai kolektibilitas tidak lancar (gabungan) sebesar 0.3272. Nilai kolektibilitas kredit berstatus lancar yang paling tinggi merupakan bukti bahwa faktor penentu kelayakan pemberian kredit yang digunakan saat ini memang sudah tepat. Hasil pengujian algoritma decision tree paling baik dengan menggunakan use training set dan cross validation karena memiliki tingkat error 0%, sedangkan algoritma naïve bayes lebih baik dalam pengujian percentage split menghasilkan root mean squared error dan root relative squared error lebih kecil dibandingkan algoritma decision tree.Kata Kunci: Data Mining, Kolektibilitas Kredit, Klasifikasi, Naive Bayes, Decision Tree]]>
Copyrights © 2016
