PERANCANGAN SISTEM INFORMASI PREDIKSI RISIKO KREDIT BERBASIS WEB MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER

Abstract

Kredit merupakan salah satu jasa berupa dana pinjaman yang ditujukan pada masyarakat. Analisa terhadap kemampuan calon debitur dalam mengembalikan pinjaman dilakukan oleh pihak Bank sebelum memberikan kredit. Analisa ini dilakukan untuk menghindari terjadinya kredit macet. Penelitian ini bertujuan untuk merancang sistem informasi prediksi risiko kredit berbasis web yang dapat menunjang keputusan analis kredit dalam menentukan calon debitur yang dapat melakukan kredit. Metode yang digunakan pada penelitian ini adalah metode Naïve Bayes Classifier. Penelitian ini juga bertujuan untuk mengetahui pengaruh jumlah data training dan seleksi atribut terhadap akurasi prediksi Naïve Bayes Classifier. Hasil studi menunjukkan bahwa jumlah data training berpengaruh terhadap akurasi prediksi Naïve Bayes Classifier. Hal ini ditunjukkan oleh nilai akurasi yang dihasilkan pada saat menggunakan 800 data training yaitu sebesar 78% sedangkan akurasi pada saat menggunakan 100 data training hanya sebesar 70.5%. Hasil studi juga menunjukkan bahwa seleksi atribut berpengaruh pada akurasi prediksi Naïve Bayes Classifier. Penelitian ini menggunakan seleksi fitur gain ratio dengan pendekatan filter. Seleksi fitur gain ratio dengan 10 atribut meningkatkan akurasi menjadi 79%.