Husaini, Fachry (2016) Algoritma Klasifikasi Naïve Bayes untuk Menilai Kelayakan Kredit (Studi Kasus : Bank Mandiri Kredit Mikro). Undergraduate thesis, universitas muhammdiyah jember.
|
Text
Jurnal.pdf - Published Version Download (482kB) | Preview |
|
![[img]](http://repository.unmuhjember.ac.id/style/images/fileicons/text.png) |
Text
PENDAHULUAN.pdf Download (447kB) |
|
|
Text
ABSTRAKSI.pdf Download (15kB) |
|
|
Text
BAB I.pdf Download (107kB) |
|
|
Text
BAB II.pdf Restricted to Repository staff only Download (256kB) |
|
|
Text
BAB III.pdf Restricted to Repository staff only Download (307kB) |
|
|
Text
BAB IV.pdf Restricted to Repository staff only Download (644kB) |
|
|
Text
BAB V.pdf Restricted to Repository staff only Download (87kB) |
Abstract
Kredit adalah cara menjual barang dan atau pinjaman uang dengan pembayaran secara tidak tunai dimana pembayaran ditangguhkan atau diangsur dengan pinjaman sampai batas jumlah tertentu yang diizinkan oleh bank atau badan lain. Seiring dengan kemajuan teknologi informasi, sangat dimungkinkan bagi perusahaan menggunakan model statistik dalam mengevaluasi kredit. Model credit scoring dibangun dengan menggunakan sampel kredit masa lalu dalam jumlah yang besar. Data mining telah terbukti sebagai alat yang memegang peran penting untuk industri perbankan dan ritel, yang mengidentifikasi informasi yang berguna dari data ukuran besar. Penelitian ini menggunakan model Naive Bayes, model ini memegang asumsi akan hubungan antar fitur atau atributnya yang independen sehingga menjadikannya sederhana dan efisien. Dari hasil penelitian membuktikan bahwa algoritma Naive Bayes dapat diterapkan untuk menilai kelayakan kredit pada Mandiri Kredit Mikro. Dan pengolahan data awal merupakan tahapan yang sangat mempengaruhi hasil akurasi yang baik sehingga akurasi akhir yang dihasilkan termasuk kategori Excellent. Penilaian kelayakan kredit menggunakan Algoritma Naive Bayes pada Mandiri Kredit Mikro lebih unggul jika dilakukan pengolahan data awal sekalipun Naive Bayes merupakan algoritma yang mampu menangani data yang hilang.
| Item Type: | Thesis (Undergraduate) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Additional Information: | Fachry Husaini (1110651117) | |||||||||
| Uncontrolled Keywords: | Kelayakan Kredit, Data Mining, Naive Bayes | |||||||||
| Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
| Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
| Department: | S1 Teknik Informatika | |||||||||
| Depositing User: | Hendri UF | |||||||||
| Contributors: |
|
|||||||||
| Date Deposited: | 24 Jul 2018 01:17 | |||||||||
| Last Modified: | 09 Apr 2020 06:36 | |||||||||
| URI: | http://repository.unmuhjember.ac.id/id/eprint/470 |
Actions (login required)
 |
View Item |