IMPLEMENTASI ALGORITMA NAIVE BAYES DALAM PENENTUAN PEMBERIAN KREDIT (Studi Kasus : PT. Swadaya Langgeng Bersama Jambi)
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Wirahayu, Sundari
Subject
Artificial Intelligence
Datestamp
2019-11-06 03:04:31
Abstract :
PT. Swadaya Langgeng Bersama (SLB) Jambi atau yang lebih dikenal sebagai Warung Dana merupakan cabang dari PT. Bersama Makmur Raharja (BMR) yang berpusat di Jakarta. Warung Dana yang didapatkan setelah proses jual beli konsumen dengan Raharja Motor. Raharja Motor membeli unit yang konsumen ajukan dan konsumen membelinya kembali dengan proses kredit melalui mitra bisnis FIF Group cabang Jambi. Besar dana yang didapatkan tergantung dari unit yang diajukan ke Raharja Motor sesuai dengan ketentuan yang berlaku, dalam bentuk sepeda motor, barang elektronik ataupun mobil. Dalam pelaksanaannya, pihak perusahaan mengalami kendala seperti banyak calon nasabah yang tidak diberikan kredit akibat analisis kredit yang tidak hati-hati atau kurang cermatnya dalam proses pemberian kredit. Dari analisis menggunakan tools WEKA, diperoleh hasil klasifikasi naïve bayes dengan akurasi terbesar menggunakan use training set dengan persentase akurasi Correctly Classified Instances sebesar 63.3681 %, dan Incorrectly Classified Instances 36.6319 %.
PT. Swadaya Langgeng Bersama (SLB) Jambi atau yang lebih dikenal sebagai Warung Dana merupakan cabang dari PT. Bersama Makmur Raharja (BMR) yang berpusat di Jakarta. Warung Dana yang didapatkan setelah proses jual beli konsumen dengan Raharja Motor. Raharja Motor membeli unit yang konsumen ajukan dan konsumen membelinya kembali dengan proses kredit melalui mitra bisnis FIF Group cabang Jambi. Besar dana yang didapatkan tergantung dari unit yang diajukan ke Raharja Motor sesuai dengan ketentuan yang berlaku, dalam bentuk sepeda motor, barang elektronik ataupun mobil. Dalam pelaksanaannya, pihak perusahaan mengalami kendala seperti banyak calon nasabah yang tidak diberikan kredit akibat analisis kredit yang tidak hati-hati atau kurang cermatnya dalam proses pemberian kredit. Dari analisis menggunakan tools WEKA, diperoleh hasil klasifikasi naïve bayes dengan akurasi terbesar menggunakan use training set dengan persentase akurasi Correctly Classified Instances sebesar 63.3681 %, dan Incorrectly Classified Instances 36.6319 %.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
