Main Article Content

Abstract

Kebutuhan penting yang harus dimiliki adalah rumah, banyak orang yang dapat membelinya secara tunai maupun kredit, pada kasus ini Bank memberikan pelayanan yang memudahkan para nasabahnya untuk memiliki rumah dengan cara Kredit Pemilikan Rumah (KPR). Penelitian ini mengambil studi pada bank ABC dalam memberikan kelayakan kredit, pada saat ini pemberian kredit kepada nasabah atau debitur hanya berdasarkan pendapatan debitur sehingga menimbulkan kredit macet dalam proses berjalanya kredit. Dengan demikian penelitian ini digunakan dua model algoritma yang akan dibandingkan hasilnya, yaitu algoritma Naive Bayes dan  C4.5. Algoritma C4.5 merupakan metode klasifikasi dan metode prediksi pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan. Naive Bayes memprediksi probabilitas di masa depan berdasarkan pengalaman di masa sebelumnya dengan mempelajari korelasi hipotesis yang merupakan label kelas yang menjadi target pemetaan dalam klasifikasi dan evidence yang merupakan fitur-fitur yang menjadi masukan dalam model klasifikasi. Hasil perbandingan prediksi Algoritma C4.5 dan Naive Bayes yang menghasilkan akurasi sebesar 99,03% untuk C4.5 dan sebesar 98,71% dengan menggunakan perbandingan 70:30, kesimpulan dalam penelitian ini tingkat akurasi dengan menggunakan metode algoritma C4.5 lebih tinggi sehingga dapat dijadikan acuan untuk memprediksi kelayakan pemberian kredit dan memudahkan manajemen dalam mengambil keputusan untuk pemberian kelayakan kredit kepada nasabah

Keywords

Algoritma Naive Bayes Algoritma C4.5 Kredit Pemilikan Rumah

Article Details

Author Biographies

Rizki Prasetyo Tulodo, Universitas Pancasakti Tegal

Prodi Studi Informatika Fakultas Teknik dan Ilmu Komputer UPS Tegal

Ali Sofyan, Universitas Pancasakti Tegal

Prodi Studi Informatika Fakultas Teknik dan Ilmu Komputer UPS Tegal