KOMPARASI METODE ALGORITMA DATA MINING PADA PREDIKSI UJI KELAYAKAN CREDIT APPROVAL PADA CALON NASABAH KREDIT PERBANKAN

Abstract

Pada era saat ini pemanfaatan data mining dalam menetukan keberhasilah peningkatkan layanan perbankan sangatlah efektif, salah satunya pemberian kredit kepada custamer bank, menentukan pemberian kredit atau credit approval memerlukan sistem yang  akan digunakan untuk menjalankan proses pengajuan kredit serta didukung dengan kercermatan dalam memilah calon nasanah kredityang baik sehingga dapat meminimalisir terjadinya kredit macet yang tidak dinginkan. Untuk mendukung hasil dari tingkat keberhasilan tenaga marketing  dalam  perannya untuk memasarkan produk layanan perbankan  yang prosesnya membutuhkan data-data  calon nasabah  ini, maka dukungan data mining sangat berperan penting dalam klasifikasi calon nasabah bank yang akan mengambil kredit di bank tersebut sehinga dapat memprediksi tingkat keberhasilan dalam pemasaran produk layanan tersebut.  Berdasarkan pemetaan penelitian mengenai dukungan data mining pada  calon nasabah didapat ada algoritma klasifikasi yang sering digunakan untuk klasifikasi calon nasabah antara lain Neural Network, Naive Bayes dan K-NN dalam prediksi keberhasilan marketing dalam menentukan kelayakan dari nasabah peminjam  kredit  bank dari uji coba yang di lakukan  maka algoritma  Neural Network lah yang lebih akurat dengan akurasi 90,71% dengan nilai AUC  0.880,hal ini   dapat menjadi  perbandingan data mining klasifikasi Melihat nilai AUC dari kelima metode tersebut yaitu NN, Naive Bayes dan K-NN, maka lima algoritma tersebut  termasuk kelompok klasifikasi baik karena nilai AUC-nya antara 0.80-1.00.  Kata kunci: Data maning, Neural Network, Naive Bayes, K-NN, klasifikasi