<![CDATA[ Saat ini, setiap perusahaan perbankan memiliki sistem pengolahan data secara terkomputerisasi (database) menjadi suatu hal yang wajib. Hal ini dikarenakan database dapat membantu dalam pengolahan data yang ada pada database bank tersebut menjadi informasi yang dapat membantu bank untuk memecahkan berbagai masalah secara efektif, efisien, dan akurat. Pengolahan dataset yang dimiliki perusahaan perbankan adalah untuk menentukan probabilitas peminjaman yang dimiliki setiap nasabah menggunakan proses data mining tersebut. Model klasifikasi dapat dilakukan dengan algoritma Naive Bayes. Dalam penerapan algoritma tersebut, diperlukan sebuah software data mining untuk dijalankan. Pada jurnal ini, kami menggunakan software RapidMiner untuk memproses data yang ada sehingga didapat suatu gambar atau chart yang dapat membentuk berbagai parameter untuk mendukung representasi data yang ada agar lebih mudah untuk menentukan suatu keputusan. Terdapat hasil akurasi algoritma Naïve Bayes pada dataset ini mencapai 80.21%. Selain itu, terdapat precision dari dataset yang mencapai 78.95% dan recall sebesar 50% saja. Pada dataset ini, diperlukan tingkat precision yang lebih tinggi agar memungkinkan didapatkannya persetujuan yang diajukan oleh setiap nasabah kepada pihak bank (true positive) dan meminimalisir tidak disetujuinya pengajuan pinjaman yang dilakukan oleh setiap nasabah kepada pihak bank karena risiko kesalahan pengambilan keputusan yang dihasilkan dari proses data mining (false positive).]]>
Copyrights © 2023
