skip to main content

PENGEMBANGAN MODEL PERSETUJUAN KREDIT NASABAH BANK DENGAN ALGORITMA KLASIFIKASI NAÏVE BAYES, DECISION TREE, DAN ARTIFICIAL NEURAL NETWORK

Puji Rahmawati  -  Universitas Negeri Malang, Indonesia
*Aisyah Larasati orcid scopus  -  Universitas Negeri Malang, Indonesia
Marsono Marsono  -  Universitas Negeri Malang, Indonesia

Citation Format:
Abstract

Kredit merupakan salah satu solusi bagi masyarakat untuk mendapatkan pinjaman dari bank dengan waktu pembayaran yang dilakukan secara berkala sesuai dengan ketentuan yang telah disetujui baik oleh bank maupun masyarakat itu sendiri sebagai calon nasabah. Berdasarkan hal tersebut, penelitian ini bertujuan untuk melakukan klasifikasi data profil nasabah yang memiliki peluang untuk mengajukan kredit pinjaman atau tidak menggunakan data mining dengan bantuan tiga algoritma yaitu Naïve Bayes, Decision Tree, Artificial Neural Network (ANN), dan melihat kriteria profil nasabah yang dihasilkan pada masing-masing hasil prediksi sebagai acuan bagi bank dalam penawaran kredit kepada nasabah. Evaluasi hasil ketiga algoritma yang digunakan dilakukan dengan melihat nilai gain ratio, confusion matrix, dan kurva Receiver Operating Characteristics (ROC) dengan melihat nilai Area Under Curve (AUC) yang dihasilkan. Hasil yang didapatkan menunjukkan bahwa algoritma ANN menghasilkan nilai akurasi tertinggi dengan akurasi sebesar 99.61% dan AUC = 0.983. Disusul dengan decision tree menghasilkan nilai akurasi sebesar 99.36% dan AUC = 0.999. Terakhir, algoritma naïve bayes dengan nilai akurasi = 90.79% dan AUC sebesar 0.935. Karakteristik nasabah yang memiliki peluang untuk mengajukan kredit jika income rata-rata pada rentang 101-116 atau > 116 USD setiap bulannya, age = 23 - 43 tahun, family >4, memiliki CD Account, dan CC Average =3 – 9 USD. Terdapat tujuh faktor importance yang mempengaruhi hasil tiga algoritma tersebut yaitu income, mortgage, family, CD account, CC average, education, dan age.

Fulltext View|Download
Keywords: kredit; data mining; naïve bayes; decision tree; artificial neural network
Funding: Universitas Negeri Malang

Article Metrics:

  1. Ahlemeyer-Stubbe, A., & Coleman, S. (2014). A Practical Guide to Data Mining for Business And Industry. John Wiley & Sons
  2. Aris, M., & Syechalad, M. N. (2018). Pengaruh Pola Konsumsi Terhadap Permintaan Kredit Konsumtif di Banda Aceh. Jurnal Ilmiah Mahasiswa Ekonomi Pembangunan, 3(1), 100-109. Dari http://www.jim.unsyiah.ac.id/EKP/article/view/6886
  3. Badrul, M. (2016). Optimasi Neural Network Dengan Algoritma Genetika Untuk Prediksi Hasil Pemilukada. Bina Insani ICT Journal, 3(1), 229-242
  4. Fiska, R. R. (2017). Penerapan Teknik Data Mining dengan Metode Support Vector Machine (SVM) untuk Memprediksi Siswa yang Berpeluang Drop Out (Studi Kasus di SMKN 1 Sutera). SATIN-Sains dan Teknologi Informasi, 3(1), 15-23. DOI: 10.33372/stn.v3i1.200
  5. Hadianto, N., Novitasari, H. B., & Rahmawati, A. (2019). Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network. Pilar Nusa Mandiri: Journal of Computing and Information System, 15(2), 163-170. DOI: 10.33480/pilar.v15i2.658
  6. Hidayah, N. (2019). Sistem Klasifikasi Penerima Beras Miskin Menggunakan Algoritma Decision Tree C4.5. Tesis. Yogyakarta: Fakultas Teknologi Informasi dan Elektro Universitas Teknologi Yogyakarta
  7. Honesqi, H. D. (2017). Klasifikasi Data Mining Untuk Menentukan Tingkat Persetujuan Kartu Kredit. Jurnal Teknoif ITP, 5(2), 57-62. DOI: 10.21063/jtif.2017.v5.2.57-62
  8. Iriadi, N., & Nuraeni, N. (2016). Kajian Penerapan Metode Klasifikasi Data Mining Algoritma C4. 5 Untuk Prediksi Kelayakan Kredit Pada Bank Mayapada Jakarta. Jurnal Teknik Komputer, 2(1), 132-137. Dari http://ejuournal.bsi.ac.id/ejurnal/index.php/jtk/article/view/371
  9. Ivandari. (2015). Model Pohon Keputusan untuk Klasifikasi Persetujuan Kredit. Jurnal Litbang Kota Pekalongan, 9, 124-136
  10. Larasati, A., Farhan, M., Rahmawati, P., Azzahra, N., Hajji, A. M., & Handayani, A. N. (2019, November). Designing Classification Models of Patron Visits to an Academic Library using Decision Tree. In 2019 1st International Conference on Engineering and Management in Industrial System (ICOEMIS 2019), 139-145
  11. Larasati, A., Hajji, A. M., & Dwiastuti, A. (2019, May). The Relationship Between Data Skewness and Accuracy of Artificial Neural Network Predictive Model. In IOP Conference Series: Materials Science and Engineering, 523(1), 012070). IOP Publishing. DOI: 10.1088/1757-899X/523/1/012070
  12. Larose, D. T., & Larose, C. D. (2014). Discovering Knowledge in Data: An Introduction to Data Mining (Vol. 4). John Wiley & Sons
  13. Marantika, C. R. & Sampurno, R. D. (2013). Analisis Faktor-Faktor Yang Mempengaruhi Kelancaran Pengembalian Kredit Usaha Rakyat (KUR) Mikro. Diponegoro Journal of Management, 2(2), 1-14. Dari http://ejournal-s1.undip.ac.id/index.php/dbr
  14. Nuraeni, N. (2017). Penentuan Kelayakan Kredit dengan Algoritma Naïve Bayes Classifier: Studi Kasus Bank Mayapada Mitra Usaha Cabang PGC. Jurnal Teknik Komputer AMIK BSI, 3(1), 9-15. Dari https://ejournal.bsi.ac.id/ejurnal/index.php/jtk/article/view/1337
  15. Pandie, E.S.Y. (2018). Implementasi Algoritma Data Mining Naive Bayes Pada Koperasi. Jurnal Icon, 6(1), 15-20. Dari http://ejurnal.undana.ac.id/jicon/article/view/350
  16. Pemerintah Indonesia. (1998). Undang-Undang Republik Indonesia Nomor 10 Tahun 1998 tentang Perubahan atas Undang-Undang Nomor 7 Tahun 1992 tentang Perbankan. Lembaran RI Tahun 1998 No.182. BPHN (online), ( http://www.bphn.go.id), diakses 7 Nopember 2020
  17. Pranata, G. & Widarno, B. (2014). Pengaruh Tingkat Suku Bunga, Pendapatan, Status Pekerjaan, Jangka Waktu Kredit dan Tingkat Pendidikan Terhadap Jumlah Pengambilan Kredit. Jurnal Akuntansi dan Sistem Teknologi Informasi, 10(2), 151-165
  18. Pratiwi, I. A. (2015). Determinasi Permintaan Kredit Usaha Rakyat (KUR) PT Bank Rakyat Indonesia (Studi Pada Usaha Mikro Kecil dan Menengah Kabupaten Jombang). Skripsi. Malang: FEB Universitas Brawijaya
  19. Rahman, M. I. & Widyarti, E. T. (2017). Analisis Pengaruh Tingkat Pendapatan, Tingkat Pendidikan, Suku Bunga, Penetrasi Demografis dan Geografis Perbankan Terhadap Total Kredit UMKM (Studi Kasus Kota dan Kabupaten di Jawa Tengah Tahun 2011-2015). Diponegoro Journal of Management, 6(2), 1-14. Dari http://ejournal-s1.undip.ac.id/index.php/management
  20. Rani, N. L. (2015). Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit. Jurnal KomTekInfo Fak. Ilmu Komputer, 2(2), 33-38. DOI: 10.33330/jurteksi.v4i1.30
  21. Riyanto, N. E. (2011). Pengaruh Tingkat Pendidikan Dan Pendapatan Terhadap Keputusan Mengambil Kredit (Studi Kasus Pada Anggota KPRI Bhakti Wuluhan Kabupaten Jember Tahun 2010). Skripsi. Jember: FKIP UNEJ
  22. Sandria, D, Adnan, N. & Yuliana, S. (2016). Analisis Faktor Yang Mempengaruhi Permintaan Kredit Pemilikan Rumah (KPR) di Kota Palembang: Kasus Nasabah. Jurnal Economic Pembangunan, 14(2), 54-58. Dari https://ejournal.unsri.ac.id/index.php/jep/index
  23. Sari, I. U. (2015). Analisis Dengen Metode Klasifikasi Menggunakan Decision Tree Untuk Prediksi Penentuan Resiko Kredit Pada Bank Bukopin BATAM. CBIS Journal, 3(1), 67-78. Dari http://ejournal.upbatam.ac.id/index.php/cbis/article/view/387
  24. Suprapto, E. & Puryandani, S. (2020). Analisis Pengaruh Kualitas Layanan, Suku Bunga, Pendapatan, Dan Pendidikan Terhadap Keputusan Nasabah Mengambil Kredit Produktif Di Bank Jateng Capem Margasari. Magisma Jurnal Ilmiah Ekonomi dan Bisnis, 8(1), 73-79. DOI: 10.35829/magisma.v1i1.71
  25. Supriyadi, A. & Kartikasari, D. (2015). Hubungan Analisis Kredit Terhadap Kualitas Pembiayaan KPR pada PT XYZ Cabang Batam. Jurnal Akuntansi Ekonomi dan Manajemen Bisnis, 3(2), 128-134
  26. Syafnur, A. (2017). Analisis Dengan Metode Klasifikasi Menggunakan Decision Tree untuk Memprediksi Penentuan Resiko Kredit Bank. Jurnal Teknolodi dan Sistem Informasi, 4(1), 101-106
  27. Tantithamthavorn, C., Mcintosh, A., Hassan, A. E., Member, S., & Matsumoto, K. (2018). The Impact of Automated Parameter Optimization on Defect Prediction Models. IEEE Transaction on Software Engineering, 5589 (1), 32. DOI: 10.1109/TSE.2018.2794977
  28. Tipa, H. & Purba, M. A. (2018). Analisis Faktor-Faktor Yang Mempengaruhi Pengambilan Kredit oleh Pelaku Usaha Properti di Kota Batam. Jurnal Akuntansi Barelang, 3(1), 49-56. DOI: https://doi.org/10.33884/jab.v3i1.1612

Last update:

No citation recorded.

Last update: 2024-04-12 19:28:12

No citation recorded.