<![CDATA[Salah satu penyebab kredit bermasalah adalah kurang telitinya pihak koperasi dalam survei dan analisis pemberian kredit. Oleh karena itu, analisis kredit dengan teknik data mining perlu dilakukan sehingga dapat meminimalisir nasabah terlambat membayar angsuran serta mempersingkat waktu analisis pemberian kredit. Penelitian ini bertujuan untuk membentuk model decision tree C4.5 dan naïve bayes untuk klasifikasi nasabah kredit berdasarkan nilai kolektibilitasnya. Preprocessing data yang terdiri dari data cleaning, data integration, data selection, dan data transformation dilakukan untuk meningkatkan kualitas model klasifikasi. Proses pembentukan model decision tree C4.5 dan naive bayes dilakukan menggunakan bantuan software WEKA 3.6.13. Hasil akurasi dari model decision tree C4.5 dengan pengujian use training set, 10-fold cross validation, dan percentage splitberturut-turut adalah 71,91%, 68,03%, dan 66,84% sedangkan pada naïve bayes sebesar 67,01%, 64,66%, dan 65,82%.Kata kunci: kredit, data mining, decision tree C4.5, naïve bayes, software WEKA]]>
Copyrights © 2016
