PERBANDINGAN KINERJA ALGORITMA NBC, SVM, C 4.5 DAN NEAREST NEIGHBOR : KASUS PREDIKSI STATUS RESIKO PEMBIAYAAN DI BANK SYARIAH

Intisari / Abstract

Perkembangan teknologi informasi yang pesat telah mempengaruhi cara penilaian resiko pembiayaan yang semula dengan cara human judgment bergeser ke arah cara yang formal dan objektif yaitu melalui scoring pembiayaan. Banyak algoritma yang dapat membantu dalam membangun model klasifikasi pembiayaan. Pada perkembangan terbaru, teknik-teknik  yang terdapat di dalam data mining mulai banyak digunakan khususnya teknik klasifikasi dan  prediksi telah menjadi teknik yang populer. Ada beberapa algoritma dalam teknik klasifikasi diantaranya Naïve Bayes Classification (NBC),Support Vector Machine (SVM),C 4.5, dan Nearest Neighbor yang dapat digunakan untuk membangun model klasifikasi.

Kinerja algoritma dalam klasifikasi menjadi satu pertimbangan dalam pemilihan algoritma untuk memprediksi resiko pembiayaan. Penelitian ini mengukur kinerja dan membandingkan hasil pengukuran tingkat akurasi algoritma. Keempat algoritma tersebut menghasilkan akurasi model yang berbeda untuk dataset yang sama. algoritma yang berbeda dapat memberikan keakuratan yang berbeda pula. Semakain tinggi nilai akurasi yang dihasilkan maka semakin akurat pula algoritma tersebut digunkan untuk prediksi pembiayaan nasabah berikutnya. Menggunakan cross validation, Algoritma NBC memberikan rata-rata tingkat keakuratan sebesar 66.95%, SVM sebesar 63.71%, C 4.5, sebesar 66.74 % dan Nearest Neighbor sebesar  63.03%. Sedangkan dengan bootstrap validation, Algoritma NBC memberikan rata-rata tingkat keakuratan sebesar 64.79%, SVM sebesar 61.25%, C 4.5, sebesar 65.91 % dan Nearest Neighbor sebesar  62.26 %.