Komparasi Metode Algoritma Data Mining pada Prediksi Uji Kelayakan Credit Approval pada Calon Nasabah Kredit Perbankan

Abstract

Di era saat ini pemanfaatan data mining dalam menetukan keberhasilan peningkatkan layanan perbankan sangatlah efektif, salah satunya pemberian kredit kepada custamer bank, menentukan credit approval memerlukan sistem yang akan digunakan untuk menjalankan proses pengajuan kredit serta didukung dengan kercermatan dalam memilah calon nasabah kredit yang baik sehingga dapat meminimalisir terjadinya kredit macet yang tidak dinginkan. Untuk mendukung hasil dari tingkat keberhasilan marketing dalam perannya untuk memasarkan produk layanan perbankan yang prosesnya membutuhkan data calon nasabah ini, maka dukungan data mining sangat berperan penting dalam klasifikasi calon nasabah bank yang akan mengambil kredit di bank. Berdasarkan pemetaan penelitian mengenai dukungan data mining pada calon nasabah didapat ada algoritma klasifikasi yang sering digunakan untuk klasifikasi calon nasabah antara lain Neural Network, Naive Bayes dan K-NN dalam prediksi keberhasilan marketing dalam menentukan kelayakan dari nasabah peminjam kredit bank dari uji coba yang di lakukan maka algoritma Neural Network lah yang lebih akurat dengan akurasi 90,71% dengan nilai AUC 0.880,hal ini dapat menjadi perbandingan data mining klasifikasi Melihat nilai AUC dari ketiga metode tersebut yaitu NN, Naive Bayes dan K-NN, maka 3 algoritma tersebut termasuk kelompok klasifikasi baik karena nilai AUC-nya antara 0.80-1.00.