<![CDATA[Pemberian pinjaman oleh Lembaga keuangan membutuhkan evaluasi yang baik untuk memastikan kelayakan nasabah sebagai calon debitur demi mengurangi resiko gagal bayar. Atribut yang dipakai dalam menentukan kelayakan calon debitur, seperti daerah tempat tinggal, jenis kelamin, status perkawinan, beban tanggungan, edukasi, status pekerjaan, pendapatan, pendapatan sampingan, jumlah pinjaman, lama pinjaman, riwayat kredit. Naïve Bayes merupakan metode klasifikasi berbasis probabilistic dengan asumsi independen antara atribut. Atribut– atribut tersebut dihitung untuk mendapatkan atribut kelayakan pinjaman sebagai hasil klasifikasi yang terkait dengan seberapa akurat performa model Naïve Bayes dalam memprediksi kelayakan kredit berdasarkan data historis. Kualitas model diukur menggunakan confusion matrix, juga dibahas terkait akurasi, presisi dan recall. Rumusan masalah pada penelitian ini adalah Bagaimana cara kerja model klasifikasi untuk kredit bank menggunakan Naïve Bayes. Pengujian menunjukkan algoritma Naïve Bayes mampu melakukan klasifikasi dengan tingkat akurasi 86%, precision sebesar 88% dan recall sebesar 86% dengan hasil tersebut harapan dari penelitian ini adalah model Naïve Bayes bisa bermanfaat untuk meningkatkan efisiensi dalam proses pengajuan pinjaman pada Lembaga keuangan.]]>
Copyrights © 2025
