<![CDATA[Masih besarnya besaran kredit macet di tahun 2014 sebesar 10,7% dan adanya kecenderungan peningkatan nilai NPL dari UMKM pada tahun 2014 sebesar 3,7 membuat penulis tertarik untuk membuat prototipe sistem penentuan kredit macet. Dua persen (2 %) kegagalan bank disebabkan oleh fraud, dan 98 % penyebab kegagalan bank dikerenakan NPL (Non Ferporming Loan). NPL merupakan indiakasi adanya masalah dalamsebuah bank. Jika NPL tidak segera mendapatkan solusi maka akan berdampak bahaya pada bank, dampak bahaya tersebut diantaranya adalah mengurangi jumlah modal yang dimiliki oleh bank. NPL bisa menjadi indikator jumlah kredit bermasalah. Menggunakan sampel data penenlitian sekunder, terhadap record data baru yang belum memiliki kelas, dilakukan perhitungan probailitas nilai kelas, probabilitas level golongan pada nilai kelas, probabilitas jumlah tanggungan pada nilai kelas, probabilitas level pinjaman pada nilai kelas dan probabilitas jangka waktu pada nilai kelas. Nilai probabilitas yang mengarah pada nilai kelas tertentu menunjukkan bahwa kelasnya adalah kelas tersebut. Dengan menggunkan tools PHP dan DBMS MySQL dilakukan implementasi sistem penentuan nassabah bermasalah dan nasabah baik. Diperoleh sistem berbasis web menggunakan PHP dan MySQL yang dapat melakukan penentuan nasabah bermasalah dan nasabah baik menggunakan metode naive bayes. Besaran probabilitas nilai kelas hasil perhitungan manual sama dengan besaran nilai probabilitas hasil sistem. ]]>
Copyrights © 2015
