Perbandingan Metode K-Nearest Neighbor, Naïve Bayes dan Decision Tree untuk Prediksi Kelayakan Pemberian Kredit

Sri Wahyuningsih(1*), Dyah Retno Utari(2)

(1) 
(2) 
(*) Corresponding Author

Abstract


Kendala yang ditemui pada usaha perkreditan adalah kurang akuratnya analisis penilaian debitur terhadap kemampuan dalam melunasi pinjaman kredit, hal tersebut umumnya menyebabkan kredit yang bermasalah. Data Mining dapat digunakan dalam memprediksi kelayakan pemberian kredit untuk calon debitur. Berdasarkan hal tersebut, penelitian ini telah membandingkan metode klasifikasi data mining untuk menganalisis prediksi kelayakan pemberian kredit dengan metode K-NN, Naïve Bayes dan Decision Tree. Data-data calon debitur yang telah melalui tahapan data mining akan diproses menggunakan metode klasifikasi data mining yaitu K-NN, Naïve Bayes dan Decision Tree. Data akan diuji dengan menggunakan k-folds cross validation (k=10). Dari hasil perbandingan tersebut didapat hasil akurasi metode Decision Tree (J-48) yang lebih unggul dibandingkan dengan metode K-NN dan Naïve Bayes. Hasil yang didapat dari perbandingan ketiga algoritma tersebut adalah, algoritma Decision Tree (J-48) dengan akurasi sebesar 92,21%, algoritma K-Nearest Neighbor memiliki tingkat akurasi sebesar 81,82% dan algoritma Naïve Bayes memiliki tingkat akurasi sebesar 81,83%.

Full Text:

PDF

References


A. Kadir, Pengenalan Sistem Informasi Edisi Revisi, no. Penerbit Andi. Yogyakarta: Andi, 2014.

C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making (Google eBook), no. 2004. 2011.

F. Gorunescu, Data Mining Concepts, Models and Techniques. Springer-Verlag, 2011.

M. Bramer, Principles of Data Mining. Springer-Verlag London, 2013.

I. H. Witten, E. Frank, and M. a. Hall, Data Mining Practical Machine Learning Tools and Techniques Third Edition, vol. 277, no. Tentang Data Mining. 2011.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2012.

E. S. Y. Pandie, “Implementasi Algoritma Data Mining K-NN dalam pengambilan keputusan Pengajuan Kredit,” 2012.

H. Marcos, I. Hidayah, J. Teknik, E. Dan, T. Informatika, and U. G. Mada, “IMPLEMENTASI DATA MINING UNTUK KLASIFIKASI NASABAH KREDIT BANK ‘ X ’ MENGGUNAKAN CLASSIFICATION RULE,” pp. 1–7, 2014.

S. A. Lusinia, S. Kom, M. Kom, and F. I. Komputer, “Algoritma C4.5 dalam menganalisa kelayakan kredit(studi kasus di koperasi pegawai Republik Indonesia(KP-RI))Lengayang Pesisir Selatan, Painan, Sumatera Barat,” vol. 1, no. 2, pp. 6–10, 2014.

J. R. Dwi and Noeryanti, “Aplikasi Metode K-Nearest Neighbor dan Analisis diskriminan untuk analisa resiko kredit pada koperasi simpan pinjam di Kopinkra Sumber Rejeki,” pp. 275–284, 2014.

S. Masripah, “Komparasi Algoritma Klasifikasi Data Mining untuk Evaluasi Pemberian Kredit,” vol. 3, no. 1, pp. 187–193, 2016.

S. Guritno, Sudaryono, and U. Rahardja, Theory and Application of IT Research-Metodologi dan Penelitian Teknologi Informasi. Yogyakarta: Andi, 2011.


Refbacks

  • There are currently no refbacks.