Penerapan Algoritma Naive Bayes Classifier untuk Memprediksi Tingkat Kelancaran Pembayaran Kredit Motor pada Mandala Finance Banda Aceh

khansa sabila tsabatia, Mukhsin Nuzula

Abstrak

Mandala Finance sebagai perusahaan pembiayaan kendaraan menghadapi
tantangan dalam pengelolaan risiko kredit akibat tingginya tingkat keterlambatan pembayaran
dari nasabah. Kondisi ini berdampak negatif terhadap arus kas perusahaan serta membatasi
kemampuan dalam memberikan kredit baru. Untuk mengatasi permasalahan tersebut,
penelitian ini bertujuan mengembangkan sistem berbasis web yang mampu memprediksi
kelancaran pembayaran kredit menggunakan Algoritma Naive Bayes Classifier. Algoritma ini
dipilih karena kemampuannya dalam melakukan klasifikasi berbasis probabilitas dengan
akurasi tinggi, terutama dalam menangani variabel-variabel utama seperti usia, pendapatan,
lama tenor kredit, dan status pernikahan nasabah. Metode penelitian mencakup beberapa
tahapan utama, yaitu pengumpulan data historis nasabah dari PT Mandala Finance Banda
Aceh, pra-pemrosesan data, implementasi algoritma, serta pengujian dan evaluasi sistem.
Data yang diperoleh dianalisis menggunakan Naive Bayes Classifier untuk mengidentifikasi
pola yang memengaruhi kelancaran atau keterlambatan pembayaran kredit. Sistem ini
dikembangkan menggunakan PHP sebagai bahasa pemrograman utama dan MySQL sebagai
sistem manajemen basis data. Pengujian dilakukan dengan metode cross-validation, dan hasil
evaluasi menunjukkan bahwa algoritma mampu mengklasifikasikan nasabah dengan akurasi
sebesar 85%. Hasil penelitian ini membuktikan bahwa sistem prediksi berbasis Naive Bayes
Classifier dapat digunakan sebagai alat bantu dalam pengambilan keputusan kredit,
meningkatkan efisiensi manajemen risiko, serta membantu perusahaan dalam mengurangi
tingkat kredit macet. Implementasi sistem ini diharapkan memberikan manfaat bagi
perusahaan pembiayaan lain dalam mengembangkan strategi kredit berbasis data yang lebih
akurat dan efisien.

Teks Lengkap:

PDF

Referensi

Hasan, M. (2017). Prediksi Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan

Algoritma Naïve Bayes Berbasis Forward Selection. ILKOM Jurnal Ilmiah, 9(3), 324-

https://doi.org/10.33096/ilkom.v9i3.163

Rahmawati, P., Larasati, A., & Marsono. (2022). Pengembangan Model Persetujuan

Kredit Nasabah Bank dengan Algoritma Klasifikasi Naïve Bayes, Decision Tree, dan

Artificial Neural Network. J@ti Undip: Jurnal Teknik Industri, 17(1), 1-8.

https://doi.org/10.14710/jati.17.1.1-8

D., Sudibyo, E., Kurniawan, A., & Rahayu, S. (2018). Algoritma Naive Bayes dengan

Fitur Seleksi untuk Mengetahui Hubungan Variabel Nilai dan Latar Belakang

Pendidikan. Jurnal SIMETRIS, 9(1), 1-10. https://doi.org/10.24176/simet.v9i1.2018

Puspitasari, D., & Wibowo, A. (2013). Penerapan Naïve Bayes untuk Prediksi Kelayakan

Kredit. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), 2(1), 1-6.

https://doi.org/10.31227/osf.io/efgh

Sari, D. P., & Wibowo, A. (2013). Algoritma Klasifikasi Naïve Bayes untuk Menilai

Kelayakan Kredit. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), 2(1), 1-6.

https://doi.org/10.31227/osf.io/ijkl

Prasojo, A., & Haryatmi, E. (2021). Analisa Prediksi Kelayakan Pemberian Kredit

Pinjaman dengan Metode Random Forest. Jurnal Nasional Teknologi dan Sistem

Informasi, 7(2), 79-89. https://doi.org/10.14710/jntsi.7.2.2021.79-89

Pahlevi, O., Amrin, A., & Handrianto, Y. (2023). Implementasi Algoritma Klasifikasi

Random Forest untuk Penilaian Kelayakan Kredit. Jurnal Infortech, 5(1), 71-76.

https://doi.org/10.31227/osf.io/mnop

Rosihan, M., Fhadli, M., & Hi, A. A. (2023). Penerapan Algoritma Naive Bayes untuk

Prediksi Kelayakan Kredit pada Koperasi Kasih Indonesia. Jurnal Teknologi Informasi

dan Ilmu Komputer (JTIIK), 10(2), 123-130. https://doi.org/10.25126/jtiik.2023102123

Ciiptohartono, C. C. (2014). Algoritma Klasifikasi Naive Bayes untuk Menilai Kelayakan

Kredit. Skripsi Teknik Informatika, Universitas Dian Nuswantoro, Semarang.

https://doi.org/10.31227/osf.io/qrst

Fitriani, N. (2014). Perancangan dan Pembuatan Aplikasi Data Mining Menggunakan

Algoritma C4.5 untuk Prediksi Risiko Kredit. Skripsi Teknik Informatika, Universitas

AMIKOM Yogyakarta.

Refbacks

  • Saat ini tidak ada refbacks.