Rahmawati, Annisa (2016) IMPLEMENTASI METODE NAÏVE BAYES DALAM ANALISIS KELAYAKAN PEMBERIAN KREDIT. S1 thesis, Universitas Pendidikan Indonesia.
|
Text
S_KOM_1002341_Title.pdf Download (28kB) | Preview |
|
|
Text
S_KOM_1002341_Abstract.pdf Download (134kB) | Preview |
|
|
Text
S_KOM_1002341_Table_of_content.pdf Download (153kB) | Preview |
|
|
Text
S_KOM_1002341_Chapter1.pdf Download (221kB) | Preview |
|
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_KOM_1002341_Chapter2.pdf Restricted to Staf Perpustakaan Download (624kB) |
|
|
Text
S_KOM_1002341_Chapter3.pdf Download (343kB) | Preview |
|
|
Text
S_KOM_1002341_Chapter4.pdf Restricted to Staf Perpustakaan Download (829kB) |
|
|
Text
S_KOM_1002341_Chapter5.pdf Download (133kB) | Preview |
|
|
Text
S_KOM_1002341_Bibliography.pdf Download (257kB) | Preview |
|
|
Text
S_KOM_1002341_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB) |
Abstract
Pemberian kredit kepada nasabah merupakan salah satu kegiatan utama lembaga keuangan yang mempunyai resiko tinggi. Dalam pelaksanaannya, kredit yang bermasalah sering terjadi akibat analisis kredit yang tidak hati-hati atau kurang cermat dalam proses pemberian kredit. Untuk mencegah hal itu terjadi, diperlukan prediksi yang akurat untuk menilai apakah data kredit yang diajukan layak atau tidak. Dengan menggunakan teknik klasifikasi, analisis data penilaian kelayakan kredit dapat dioptimalisasi dengan mempelajari pola-pola yang terjadi di masa lalu untuk memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya. Naïve Bayes memprediksi probabilitas di masa depan berdasarkan pola data di masa sebelumnya dengan mempelajari kolerasi hipotesis yang merupakan label kelas yang menjadi target pemetaan dalam klasifikasi dan evidence yang merupakan fitur-fitur yang menjadi masukan dalam model klasifikasi. Dengan penerapan metode Naïve Bayes dalam analisis data kelayakan pemberian pinjaman kredit didapatkan hasil akurasi sebesar 75.2%.;---Customer credit distribution is one of main interests of highly risked financial institution. In the realization, problematic credit always happens due to incautious or inaccurate credit analysis in the process of credit offering. In order to overcome that problem, an accurate prediction is needed to assess whether the submitted credit data is suitable or not. By using the classification technique, the data analysis of credit reliability could be optimized through finding out the pattern from previous activities, and use it to predict the probability in the near future. Naïve Bayes predicting the probability in the future based on the data pattern in the past by studying the hypothesis correlation which become the mapping target in classification and evidence which is based on features which become input in classification model. By applying Naïve Bayes method the accuracy in credit feasibility of data analysis assessment is obtained by 75.2%.
| Item Type: | Thesis (S1) |
|---|---|
| Additional Information: | No. Panggil: S KOM RAH i-2016; Pembimbing: I.Hebert, II.Harsa Wara |
| Uncontrolled Keywords: | kredit, klasifikasi, Naïve Bayes, Credit, Classification, Naïve Bayes. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
| Depositing User: | Mr mhsinf 2017 |
| Date Deposited: | 12 Oct 2017 03:26 |
| Last Modified: | 12 Oct 2017 03:26 |
| URI: | http://repository.upi.edu/id/eprint/26859 |
Actions (login required)
 |
View Item |