Telematika : Journal Program Studi Teknik Informatika
Selamat Datang
Home > Browse Kategori > Information System and Technology > abstrak

SEARCH
Judul Paper Nama Penulis

PUBLICATION A-Z
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

Jurnal TELEMATIKA

Jurnal PROBISNIS

Abstrak
Implementasi Algoritma Naive Bayes Dalam Analisis Data Angsuran Pinjaman Kelompok
Wahyu Irawan;Shodiq Khalidy;Adam Prayogo Kuncoro
Data merupakan aset berharga perusahaan yang tak ternilai karena di dalamnya menyimpan aktivitas bisnis perusahaan. BUM Desa Bersama Berkah Kompak Mandiri merupakan perusahaan milik desa yang dimiliki secara bersama oleh desa-desa di Kecamatan Bojongsari. Satu-satunya usaha yang dijalankan adalah pinjaman dengan jasa rendah melalui sistem kelompok. Transaksi harian yang ada adalah transaksi angsuran pinjaman kelompok. Penelitian ini dilakukan untuk menentukan dasar penentuan penetapan alokasi pinjaman kelompok berdasarkan data angsuran menggunakan Algoritma Naive Bayes dalam data mining. Ada 3 hal yang menjadi batasan masalah dalam penelitian yaitu data yang digunakan adalah data angsuran kelompok di BUM Desa Bersama Berkah Kompak Mandiri mulai tanggal 1 Januari 2015 sampai dengan 30 Juni 2016, algoritma yang digunakan adalah Naive Bayes, dan yang digunakan dalam bentuk excel file. Setelah algoritma ini diterapkan, dengan data training sebanyak 4.894 data dan data sampel sebanyak 175 data, didapatkan hasil sebanyak 126 data diklasifikasikan lancar, 42 data diklasifikasikan terlambat, dan 7 data diklasifikasikan menunggak. Dari data di lapangan berdasarkan data sampel, sebanyak 132 data masuk ke dalam klasifikasi lancar, 30 data masuk ke dalam klasifikasi terlambat, sedangkan 13 data lainnya masuk ke dalam klasifikasi menunggak. Jika dibandingkan, Naive Bayes Classifier dapat mengklasifikasi dengan tepat 155 data sampel (88,57%), dan 20 data lain diklasifikasikan tidak tepat (11,43%). Dibandingkan dengan metode manual yang hanya mencapai tingkat keakuratan 81,71%, Naive Bayes Classifier lebih unggul dengan tingkat keakuratan 88,57%, sehingga Naive Bayes Classifier lebih efektif jika diterapkan karena membutuhkan waktu dan biaya yang relatif sedikit. Oleh karena itu, BUM Desa Bersama sebaiknya menerapkan algoritma tersebut dalam pengembangan sistem yang sudah ada.

Keyword : data mining;naive bayes;pinjaman;angsuran