KLASIFIKASI DATA NAP (NOTA ANALISIS PEMBIAYAAN) DENGAN 5C+1S UNTUK PENENTUAN TINGKAT KEAMANAN PEMBIAYAAN MENGGUNKAN ALGORITMA NAÏVE BAYES CLASSIFIER PADA BANK SYARIAH

Abstract

 Setiap bulannya Bank Syariah pasti menerima proposal pembiayaan (NAP) dari nasabah dalam jumlah yang terus meningkat dan perlu respon yang cepat. Dengan demikian, perlu dikembangkan sistem untuk melakukan data mining dari tumpukan data tersebut yang akan digunakan untuk kepentingan tertentu, salah satunya adalah untuk menganalisis resiko pemberian pembiayaan. Naive Bayes Classifier merupakan pendekatan yang mengacu pada teorema Bayes yang mekombinasikan pengetahuan sebelumnya dengan pengetahuan baru.Sehingga merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi tinggi. Untuk itu, dalam penelitian ini akan dibuktikan kemampuan naive bayes classifier untuk mengklasifikasikan data debitur yang menginformasikan resiko pemberian pembiayaan di Bank Syariah. Sebelum dilakukan klasifikasi, data debitur dengan konsep 5C+1S melalui preprocessing. Kemudian dari preprocessing ini dilakukan klasifikasi dengan Naive Bayes Classifier, sehingga menghasilkan model probabilitas klasifikasi untuk penentuan kelas pada debitur selanjutnya.Dari hasil pengujian akurasi model dari sistem yang dikembangkan, menghasilkan nilai akurasi terkecil sebesar 80% dihasilkan pada pengujian dengan sampel sebanyak 100 dan menghasilkan nilai akurasi tertinggi sebesar 98,66% dihasilkan pada pengujian dengan sampel sebanyak 463.