Klasifikasi Status Pinjaman Calon Nasabah Koperasi Simpan Pinjam Menggunakan Metode Bayesian Network (Studi Kasus : Koperasi Simpan Pinjam Btm Nasyiah 1 Bojonegoro)

Ilham Rizal Adhitama, Muchamad Kurniawan, Maftahatul Hakimah

Abstract


Hampir semua masyarakat melakukan kegiatan utang - piutang sebagai langkah untuk mendukung perkembangan kegiatan perekonomian. Hal ini dikarenakan mudahnya pengajuan yang dilakukan calon nasabah bila dapat memenuhi persyaratan tertentu. Bagi koperasi simpan pinjam hal ini tentunya sangat beresiko karena dapat menyebabkan kerugian bila salah dalam memilih calon nasabah, hal tersebut disebabkan karena macetnya pembayaran. Masalah tersebut dapat diatasi dengan melakukan analisis data serta mengklasifikasikan calon nasabah sebelum memberikan pinjaman dari memperhatikan data histori peminjaman untuk meminimalisir calon nasabah yang macet dalam pembayarannya. Tujuan dari penelitian ini adalah bagaimana mengklasifikasi data histori peminjaman nasabah menggunakan metode Bayesian Network. Manfaat dari penelitian ini diharapkan dapat membantu untuk meminimalisir macetnya pembayaran oleh calon nasabah yang dapat menyebabkan kerugian bagi perusahaan. Dari analisa dan hasil uji coba yang sudah dilakukan sebelumnya dengan menggunakan metode bayesian network equivalence class untuk menentukan status kelayakan calon nasabah pada BTM Dinar Nasyiah. Dapat disimpulkan bahwa nilai pengujian sistem terbesar terdapat pada pengujian dengan menggunakan split validation didapatkan bahwa variabel jumlah pinjaman dependent terhadap variabel jaminan, variabel umur dependent terhadap variabel jaminan, variabel jaminan dependent terhadap variabel kategori dan variabel jangka waktu pengembalian dependent terhadap variabel kategori. Didapatkan nilai akurasi sebesar 81,11%, presisi 72% dan recall sebesar 72%.


Keywords


Data Mining; Klasifikasi; Koperasi Simpan Pinjam; Data Historis Peminjaman; Bayesian Network.

Full Text:

PDF

References


A. Rahmat, “PENYELESAIAN KREDIT MACET DI KOPERASI BANK PERKREDITAN RAKYAT (KBPR) VII KOTO PARIAMAN,” p. 17, 2011.

S. Nur Rohmah, “PENYELESAIAN PEMBIAYAAN BERMASALAH DI BMT SURYA DANA MAKMUR TULUNG KLATEN.” 2012.

M. H. Rifqo and A. Wijaya, “IMPLEMENTASI ALGORITMA NAIVE BAYES DALAM PENENTUAN PEMBERIAN KREDIT,” Pseudocode, vol. 4, no. 2, pp. 120–128, Sep. 2017, doi: 10.33369/pseudocode.4.2.120-128.

C. Fadlan, S. Ningsih, and A. P. Windarto, “PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI KELAYAKAN KELUARGA PENERIMA BERAS RASTRA,” J. Tek. Inform. Musirawas JUTIM, vol. 3, no. 1, p. 1, Jun. 2018, doi: 10.32767/jutim.v3i1.286.

D. Laia, E. Buulolo, and M. J. F. Sirait, “IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI PEMESANAN DRIVER GO-JEK ONLINE DENGAN MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS: PT. GO-JEK INDONESIA),” KOMIK Konf. Nas. Teknol. Inf. Dan Komput., vol. 2, no. 1, Oct. 2018, doi: 10.30865/komik.v2i1.972.

D. P. Sari, D. Rosadi, Danardono, and A. Ronnie E, “PEMBENTUKKAN SRUKTUR BAYESIAN NETWORK DARI DATA.” 2016.

Y. C. ROCHMANA, “PENENTUAN STATUS KELAYAKAN UNTUK PINJAMAN PELAKU UMKM (DI KABUPATEN KENDAL) MENGGUNAKAN METODE BAYESIAN NETWORK.” 2020.

S. Hosseini and M. Sarder, “Development of a Bayesian network model for optimal site selection of electric vehicle charging station,” Int. J. Electr. Power Energy Syst., vol. 105, pp. 110–122, Feb. 2019, doi: 10.1016/j.ijepes.2018.08.011.

A. Khoerudin, “Analisis tingkat kesukaan konsumen dengan metode Bayesian Network (Studi kasus produk biskuit),” p. 27, 2011.

I. Purwadi, “Penerapan Bayesian Network dalam Penetapan Daerah Tertinggal,” p. 37, 2009.




DOI: https://doi.org/10.31284/p.snestik.2022.2809

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Ilham Rizal Adhitama, Muchamad Kurniawan, Maftahatul Hakimah

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.