Analisis Perbandingan Metode Naïve Bayes dan Decision Tree C4.5 untuk Meningkatkan Kualitas Sampling dan Efisiensi Biaya (Studi Kasus: PT. BFI Finance Tbk)

Dyah Ayu Nurmumpuni (Universitas Pamulang)
Tukiyat Tukiyat (Universitas Pamulang)
Achmad Hindasyah (Universitas Pamulang)

Jurnal Sains dan Informatika
Vol. 12 No. 1 (2026): Jurnal Sains dan Informatika

Penelitian ini bertujuan menganalisis komparasi metode Naïve Bayes dan Decision Tree C4.5 dalam mengoptimalkan proses sampling audit pada PT BFI Finance Tbk. Studi dilakukan melalui pendekatan kuantitatif dengan menggunakan dataset 491 kontrak, terdiri dari 461 data latih dan 30 data uji. Variabel independen mencakup angsuran, lama hari menunggak, sisa pokok hutang, dan jenis produk, sedangkan variabel dependen adalah hasil temuan audit. Metode penelitian melibatkan implementasi algoritma machine learning untuk mengklasifikasikan kualitas sampling. Hasil penelitian menunjukkan bahwa Decision Tree C4.5 memiliki akurasi lebih tinggi dibandingkan Naïve Bayes, dengan kemampuan superior dalam menangani kompleksitas data. Evaluasi performa algoritma mencakup metrik akurasi, presisi, recall, dan F1-score, yang mengindikasikan keunggulan Decision Tree C4.5 dalam meningkatkan efisiensi proses audit.