PENERAPAN DATA MINING KLASIFIKASI KELAYAKAN PINJAMAN DENGAN METODE NAÏVE BAYES DAN SIMPLE ADDICTIVE WEIGHT (SAW) DI PT. BANK PERKREDITAN RAKYAT MOJOSARI PAHALAPAKTO

SURYANI WIDYARNI, SURYANI WIDYARNI (2019) PENERAPAN DATA MINING KLASIFIKASI KELAYAKAN PINJAMAN DENGAN METODE NAÏVE BAYES DAN SIMPLE ADDICTIVE WEIGHT (SAW) DI PT. BANK PERKREDITAN RAKYAT MOJOSARI PAHALAPAKTO. Bachelor thesis, UNIVERSITAS ISLAM MAJAPAHIT MOJOKERTO.

	Text TA 5.14.04.11.0.126 SURYANI WIDYARNI.pdf Restricted to Repository staff only Download (3MB)
Preview	Text Jurnal Akhir Suryani Widyarni.pdf Download (491kB) | Preview

Abstract

ABSTRAK Widyarni, Suryani. 2018. Penerapan Data Mining Klasifikasi Kelayakan Pinjaman Dengan Metode Naïve Bayes dan Simple Addictive Weigh (SAW) Di PT. Bank Perkreditan Rakyat Mojosari Pahalapakto. Tugas Akhir, Program Studi Teknik Informatika, Fakultas Teknik, Universitas Islam Majapahit (UNIM). Pembimbing I : Mimin Fachiyatur Rohmah, ST., M.Si. Pembimbing II : Fajar Indra Kurniawan, S.Kom., M.Kom. Ketepatan dan kecepatan dalam mengambil keputusan menjadi suatu keharusan pada proses penentuan pinjaman sehingga akan banyak nasabah yang akan menerima hasil, apakah diterima atau ditolak pengajuan pinjamannya, karena semakin banyak nasabah yang mengajukan pinjaman. Dengan permasalahan ini, peneliti mengimplementasikan algoritma naïve bayes untuk membantu menentukan siapa yang berhak mendapatkan pinjaman, dan SAW digunakan untuk menentukan ranking tertinggi setelah dilakukan proses naïve bayes. Data mining telah terbukti sebagai alat yang memegang peran penting untuk industri perbankan, yang mengidentifikasi informasi yang berguna dari data ukuran besar. Penelitian ini menggunakan metode Naive Bayes dan SAW. Dari hasil penelitian membuktikan bahwa algoritma Naive Bayes dapat diterapkan untuk menilai kelayakan pinjaman pada PT. Bank Perkreditan Rakyat Mojosari Pahalapakto. Algoritma Naive Bayes merupakan salah satu algoritma yang terdapat pada teknik klasifikasi. Bayesian classification adalah pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Sedangkan Konsep dasar dari metode SAW (simple additive weighting) adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif dari semua atribut. Metode SAW (simple additive weighting) membutuhkan proses normalisasi matriks keputusan (X) ke suatu skala yang dapat diperbandingkan dengan semua rating alternatif yang ada. Penilaian kelayakan pinjaman menggunakan Algoritma Naive Bayes dan SAW lebih unggul jika dilakukan pengolahan data awal sekalipun. Kesimpulan dari keseluruhan proses penelitian ini adalah terbentuknya Sistem untuk Klasifikasi Kelayakan pinjaman dengan Metode Naïve Bayes dan SAW (Simple Addictive Weight). Kata kunci : Data Mining, Klasifikasi, Naïve Bayes, SAW (Simple Addictive Weight), Kelayakan pinjaman

Actions (login required)

View Item