ANALISIS PERBANDINGAN METODE NEURAL NETWORKS DAN NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PEMBERIAN KREDIT (STUDI KASUS: PT. ADIRA FINANCE KOTA TERNATE)

Penulis

  • Ahmad Nur Arfandi

    Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan , Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan

  • Assaf Arief

    Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan , Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan

  • Muhammad Fhadli

    Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan , Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan

  • Rosihan

    Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan , Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan

DOI:
https://doi.org/10.33387/jati.v2i2.115
Kata Kunci:
Data Mining, Klasifikasi, resiko kredit, neural network, naive bayes
Abstrak

Kredit merupakan salah satu jalan pintas yang terkadang diambil oleh masyarakat untuk memenuhi kebutuhannya namun memiliki resiko yang besar bagi perusahaan seperti nasabah kredit macet. Klasifikasi data mining dipilih untuk dapat membantu memberikan penyelesaian masalah tersebut. Pada penelitian ini menggunakan klasifikasi dengan model algoritma Neural Network dan Naïve Bayes kemudian membandingkan untuk melihat model algoritma mana yang memiliki akurasi terbaik dalam mengklasifikasikan status kredit nasabah menggunakan Bahasa pemrograman phyton kemudian dilanjutkan dengan pengukuran menggunakan confusion matrix. Hasil algoritma Neural Network setelah dilakukan pengujian confusion matrix menunjukkan nilai akurasi yang sangat tertinggi adalah 85,0% dan algoritma Naïve Bayes setelah dilakukan pengujian confusion matrix menunjukkan nilai akurasi yang sangat tertinggi adalah 84,7%. Berdasarkan hasil tersebut hal ini menunjukkan bahwa Neural Network sedikit lebih baik dalam melakukan klasifikasi terhadap data nasabah kredit dibandingkan dengan Naïve Bayes.

Referensi

Bawono, B., & Wasono, R. (2019). Perbandingan Metode Random Forest dan Naive Bayes. Jurnal Sains Dan Sistem Informasi, 3(7), 343–348. http://prosiding.unimus.ac.id

Ghani, A. D., Salman, N., & Mustikasari. (2019). Algoritma k-Nearest Neighbor Berbasis Backward Elimination Pada Client

Telemarketing. Prosiding Seminar Ilmiah Sistem Informasi Dan Teknologi Informasi, 8(2), 141–150.

Hadianto, N., Novitasari, H. B., & Rahmawati, A. (2019). Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network. Jurnal Pilar Nusa Mandiri, 15(2), 163–170.

https://doi.org/10.33480/pilar.v15i2.658

Handayani, F., & Pribadi, F. S. (2015). Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center

Jurnal Teknik Elektro, 7(1), 19–24.

Lubis, C. P. (2022). Perbandingan Metode Radial Basis Function dan Multilayer Perceptron Terhadap Resiko Kredit Sepeda Motor. Infosys (Information System) Journal, 7(1), 25.

https://doi.org/10.22303/infosys.7.1.2022.25

-33

S. Kusumadewi. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan Matlab Dan Excel Link (F. W. Nurwiyati (ed.); pertama). Graha Ilmu.

Siregar, B. (2021). Metode Statistika. https://rstudio-pubs- static.s3.amazonaws.com/805666_02a47e7c 20174d8ba01da72f16c951db.html#

Sumiah, A., & Mirantika, N. (2020). Perbandingan Metode K-Nearest Neighbor dan Naive Bayes untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa pada Universitas Kuningan. Buffer Informatika (Jurnal Ilmiah Teknik Informatika), 6(April).

Widianto, M. H. (2019). Algoritma Naive Bayes. Binus University. Tersedia di: https://binus. ac.

id/bandung/2019/12/algoritma-naive-bayes/. Diakses tanggal, 22.

Cover Image
Unduhan
Diterbitkan
2023-12-23
Terbitan
Vol 2 No 2: JUNI 2024 - NOVEMBER 2024
Bagian
Artikel
Lisensi

Hak Cipta (c) 2023 Jurnal Jaringan dan Teknologi Informasi

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Cara Mengutip

ANALISIS PERBANDINGAN METODE NEURAL NETWORKS DAN NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PEMBERIAN KREDIT (STUDI KASUS: PT. ADIRA FINANCE KOTA TERNATE). (2023). Jurnal Jaringan Dan Teknologi Informasi, 2(2), 31-38. https://doi.org/10.33387/jati.v2i2.115

Artikel Serupa

1-10 dari 22

Anda juga bisa Mulai pencarian similarity tingkat lanjut untuk artikel ini.

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2