Saat ini kredit merupakan hal yang banyak diminati oleh banyak orang. Seseorang dapat mengajukan kredit hanya dengan memenuhi syarat tertentu. Pemberian kredit kepada customer baru adalah kegiatan yang mempunyai resiko tinggi. Hal ini dapat menyebabkan kerugian bagi pihak bank maupun Lembaga keuangan. Oleh karena itu, pendekatan yang digunakan pada penelitian skripsi ini adalah metode Naïve Bayes Klasifikasi yang mengolah data yang besar sehingga menghasilkan sebuah pengetahuan baru. Selain hal tersebut proses metode Naïve Bayes Klasifikasi yaitu menghasilkan pola pemberian kredit customer berdasarkan 690 record dan 10 atribut dengan 2 kelas (‘positif’), (‘negatif’) yang telah ditentukan dan untuk mempermudah prediksi akurasi menggunakan software RapidMiner. Hasil dari proses ini akan mempermudah kinerja perbankan dan lembaga keuangan. Skripsi ini memberikan informasi penting seperti hasil pemberian kredit customer yang dapat digunakan dalam efektivitas dan efisiensi peningkatan perusahaan, dari pengujian yang dilakukan dengan membandingkan data training dengan data testing didapat akurasi sebesar 81%.


Deskripsi Lain

Currently, credit is something that is in great demand by many people. A person can apply for credit only by fulfilling certain conditions. Giving credit to new customers is an activity that has a high risk. This can cause losses for banks financial institutions. Therefore, the approach used in this study is Naive Bayes Classification method which processes large data to produce a new knowledge. In addition, the process of Naive Bayes Classification method produces a pattern of giving credit to customer based on 690 records and 10 attributes with 2 classes ('positive'), ('negative') that have been determined and to facilitate prediction accuracy using software RapidMiner. The results of this process will facilitate the performance of banks and financial institutions. This study provides important information such the results of providing customer credit that can be used in improving the effectiveness and efficiency of the company, from the tests conducted by comparing training data with testing data, and the result of the accuracy is 81%.

• KLASIFIKASI PEMBERIAN KREDIT CUSTOMER MENGGUNAKAN NAÏVE BAYES