a Prediksi Kelayakan Kredit untuk Produk Elektronik dan Furnitur Menggunakan Metode Naive Bayes
Kata Kunci:
elektronik dan furnitur, prediksi kelayakan kredit, naive bayes, risiko kredit, sistem pendukung keputusanAbstrak
Pembelian produk oleh konsumen seringkali mengandalkan kredit sebagai solusi untuk membiayai pembelian, tidak terkecuali untuk produk elektronik dan furnitur. Tidak hanya konsumen yang terlibat dalam penggunaan kredit, tetapi produsen maupun distributor produk elektronik dan furnitur juga mengandalkan fasilitas kredit untuk mendukung penjualan produk. Prediksi kelayakan kredit memiliki dampak langsung pada keputusan pemberi kredit dalam menilai apakah seorang konsumen layak mendapatkan kredit untuk pembelian produk tersebut atau tidak. Dengan melakukan penilaian kelayakan kredit yang tepat, pemberi kredit dapat mengurangi risiko kredit yang terkait dengan penyaluran kredit kepada konsumen yang mungkin memiliki kemampuan pembayaran yang rendah. Naive bayes sebagai sebuah analisis menawarkan kemudahan implementasi, efektif dalam mengelola data kategoris, memiliki kemampuan dalam perbandingan probabilitas, akurasi yang baik, memberikan hasil yang mudah diinterpretasikan, serta dapat mengatasi variabel kategori dengan banyak nilai. Penggunaan metode klasifikasi naive bayes dalam memprediksi kelayakan pemberian pinjaman terhadap nasabah dalam penelitian ini menghasilkan nilai akurasi data berupa accuracy sebesar 90%, recall 80%, precision 100%. Sedangkan nilai AUC yang dihasilkan adalah sebesar 1.000.
Referensi
R. B. Trianto, A. Triyono, and D. M. P. Arum, “Klasifikasi Rating Otomatis pada Dokumen Teks Ulasan Produk Elektronik Menggunakan Metode N-gram dan Naïve Bayes,” Jurnal Informatika Universitas Pamulang, vol. 5, no. 3, p. 295, 2020.
A. Izza and D. Retnowati, “Analisis Kualitas Produk Furniture Dengan Pendekatan Metode Six Sigma,” Jurnal Heuristic, pp. 59–72, 2021.
R. P. Juliansyah and R. Rachman, “Tinjauan Prosedur Pemberian Pinjaman Dana Pada PT. FIF Group Cabang Bogor 3 Kabupaten Bogor,” Jurnal Aplikasi Bisnis Kesatuan, vol. 2, no. 1, pp. 19–30, 2022.
N. N. Padang, “Faktor-faktor yang Mempengaruhi Tingkat Pemberian Suku Bunga Kepada Nasabah dan Debitur pada PT. Bank X di Medan,” Jurnal Riset Akuntansi & Keuangan, pp. 110–118, 2022.
N. Putri, “Analisis Audit Sistem Pembelian Kredit pada Toko Elektronik,” Jurnal Ekonomi dan Bisnis, vol. 15, no. 2, pp. 32–39, 2023.
T. T. Muryono and I. Irwansyah, “Implementasi Data Mining Untuk Menentukan Kelayakan Pemberian Kredit Dengan Menggunakan Algoritma K-Nearest Neighbors (K-Nn),” Infotech: Journal of Technology Information, vol. 6, no. 1, pp. 43–48, 2020.
S. Nurdin, “Penerapan Prinsip 5C Upaya Memperkecil Resiko Kredit Macet terhadap Penyaluran Kredit pada PT Bankaltimtara Unit Samarinda,” Jurnal EKSIS, vol. 19, no. 01, pp. 44–56, 2023.
D. David, “Analisis Kelayakan Menerima Pinjaman Kredit Dengan Algoritma C4.5 Pada PT BPR Buana Arta Mulia,” UPB Repository, Jan. 2022, Accessed: Nov. 10, 2023. [Online]. Available: http://repository.upbatam.ac.id/1480/
A. Setianingrum, A. Hindayanti, D. M. Cahya, and D. S. Purnia, “Perbandingan Metode Algoritma K-NN & Metode Algoritma C45 Pada Analisa Kredit Macet (Studi Kasus PT Tungmung Textil Bintan),” EVOLUSI: Jurnal Sains Dan Manajemen, vol. 9, no. 2, 2021.
D. Librado and A. H. Nasyuha, “Penerapan Data Mining Untuk Klasifikasi Penerima Kredit Dengan Perbandingan Algoritma Naïve Bayes dan Algoritma C4. 5,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 7, no. 4, pp. 1952–1961, 2023.
M. K. Tamami and I. Kharisudin, “Komparasi Metode Support Vector Machine dan Naive Bayes Classifier untuk Pemodelan Kualitas Pengajuan Kredit,” Indonesian Journal of Mathematics and Natural Sciences, vol. 46, no. 1, pp. 38–44, 2023.
I. Nurjanah, J. Karaman, I. Widaningrum, D. Mustikasari, and S. Sucipto, “Penggunaan Algoritma Naïve Bayes Untuk Menentukan Pemberian Kredit Pada Koperasi Desa,” Explorer (Hayward), vol. 3, no. 2, pp. 77–87, 2023.
R. Yesputra and A. Sapta, “Prediksi Kelancaran Pembayaran Angsuran Pada Koperasi Dengan Metode Naive Bayes Classifier,” Indonesian Journal of Computer Science, vol. 11, no. 2, 2022.
W. Habibulloh and S. Topiq, “Klasifikasi Kelayakan Kredit Menggunakan Algoritma Naive Bayes Pada Ksp Mekar Jaya Maleber,” Jurnal Responsif: Riset Sains dan Informatika, vol. 3, no. 1, pp. 92–99, 2021.
A. Tahta, I. Karim, and S. Sudianto, “Dominant Requirements for Student Graduation in the Faculty of Informatics using the C4.5 Algorithm,” Journal of Dinda Data Science, Information Technology, and Data Analytics, vol. 3, no. 2, pp. 50–58, 2023, [Online]. Available: http://journal.ittelkom-pwt.ac.id/index.php/dinda
F. F. Addini and D. Haryanto, “Pelatihan Microsoft Excel Untuk Remaja Di Desa Segara Makmur,” Jurnal Pengabdian Masyarakat Multidisiplin, vol. 6, no. 3, pp. 307–314, Jul. 2023, doi: 10.36341/jpm.v6i3.3310.
M. R. Nahjan, N. Heryana, and A. Voutama, “Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 101–104, 2023.
H. H. Sucinta and T. Setiadi, “Penerapan Algoritma Holt-Winters Exponential Smoothing Untuk Estimasi Dan Naïve Bayes Untuk Klasifikasi Produksi Kelapa Sawit,” Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), vol. 4, no. 4, pp. 1158–1170, 2023.
E. E. Pramana and A. Saifudin, “Implementasi Data Mining Untuk Diagnosa Prediksi Penyakit Tuberculosis Dengan Menggunakan Algoritma Naïve Bayes,” BINER: Jurnal Ilmu Komputer, Teknik dan Multimedia, vol. 1, no. 3, pp. 745–759, 2023.