ABSTRAK
Lirsahati Suryaningtyas (16170127), Penerapan Metode Naive Bayes Classifier Untuk Memprediksi Kelayakan Permohonan Kredit

Penelitian ini dilatar belakangi hasil pengamatan peneliti terhadap meningkatnya permohonan kredit. Hal ini dibuktikan dengan meningkatnya pertumbuhan kredit setiap bulannya, dilihat dari Statistik Perbankan Indonesia tahun 2018 jumlah kredit meningkat dari per Januari 2018 sebesar 89.560 hingga per April 2018 sebesar 92.972. Sedangkan untuk total kredit macet per April 2018 sebesar 3.536. Tingginya angka kredit macet ini akan berdampak pada kehidupan ekonomi dan mengganggu dana operasional badan usaha itu sendiri seperti PD. BPR/BKK Taman Cabang Bantarbolang, kredit yang bermasalah sering terjadi akibat analisis kredit yang tidak cermat dalam proses pemberian kredit. Untuk itu diperlukan adanya peramalan akurat untuk mencegah terjadinya kredit macet yaitu menggunakan teknologi dibidang data mining. Pada penelitian ini menggunakan metode naive bayes classifier, metode ini merupakan salah satu algoritma klasifikasi yang sederhana namun memilIki kemampuan dan akurasi tinggi. Data training yang digunakan dalam penelitian ini sejumlah 55 record dan data testing sejumlah 12 record dengan perbandingan 80% data training dan 20% data testing, setelah dilakukan pengujian memperoleh akurasi sebesar 91.67% dan nilai AUC sebesar 0.984 masuk kategori excellent classification. Dari hasil penelitian ini membuktikan bahwa metode naive bayes classifier dapat diterapkan untuk memprediksi kelayakan kredit pada PD. BPR/BKK Taman Cabang Bantarbolang.

Kata Kunci: Data Mining, Naive Bayes Classifier, Prediksi Kelayakan Kredit