PENERAPAN MODEL NAÏVE BAYES DALAM KLASIFIKASI RISIKO KREDIT
Risiko kredit merupakan hal yang penting bagi lembaga keuangan, seperti bank dan lembaga pembiayaan dalam mengambil keputusan terkait pemberian pinjaman kepada nasabah. Oleh karena itu, penelitian ini bertujuan untuk menerapkan klasifikasi risiko kredit dan menghitung tingkat akurasi menggunakan met...
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Published: |
2023-04-17.
|
| Subjects: | |
| Online Access: | Link Metadata |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Risiko kredit merupakan hal yang penting bagi lembaga keuangan, seperti bank dan lembaga pembiayaan dalam mengambil keputusan terkait pemberian pinjaman kepada nasabah. Oleh karena itu, penelitian ini bertujuan untuk menerapkan klasifikasi risiko kredit dan menghitung tingkat akurasi menggunakan metode Naïve Bayes pada perusahaan Home Credit. Data yang digunakan dalam penelitian ini adalah data historis pinjaman yang mencakup informasi nasabah, riwayat kredit, dan informasi keuangan lainnya. Metode Naïve Bayes digunakan untuk mengklasifikasikan nasabah menjadi dua kelas risiko kredit, yaitu target 0 untuk peminjam yang lancar dalam pembayaran dan target 1 untuk peminjam yang tidak lancar dalam pembayaran. Tahap preprocessing data melibatkan eksplorasi data, membersihkan data, memilih fitur terbaik, mengkategorikan data, dan menyeimbangkan data. Selanjutnya, model Naive Bayes diimplementasikan untuk melatih data training dan menguji data testing. Evaluasi dilakukan menggunakan confution matrix, seperti akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Naive Bayes memberikan performa yang baik dalam klasifikasi risiko kredit pada perusahaan Home Credit. Akurasi model Naive Bayes mencapai 71%, dengan presisi 69%, recall 76%, dan F1-score 72%. Hal ini menunjukkan bahwa model Naive Bayes dapat digunakan sebagai salah satu alat untuk membantu dalam pengambilan keputusan terkait risiko kredit di perusahaan Home Credit. Kata Kunci: Risiko Kredit, Klasifikasi, Naïve Bayes Credit risk is an important consideration for financial institutions, such as banks and lending institutions, in making decisions related to lending to borrowers. Therefore, this research aims to implement credit risk classification and calculate the accuracy level using Naive Bayes method in Home Credit company. The data used in this research is historical loan data that includes borrower information, credit history, and other financial information. Naive Bayes method is used to classify borrowers into two credit risk classes, namely target 0 for borrowers who are current in payment and target 1 for borrowers who are not current in payment. The data preprocessing stage involves data exploration, data cleaning, feature selection, data categorization, and data balancing. Next, the Naive Bayes model is implemented to train the training data and test the testing data. Evaluation is performed using confusion matrix, such as accuracy, precision, recall, and F1-score. The results of the research show that Naive Bayes method performs well in credit risk classification in Home Credit company. The accuracy of the Naive Bayes model reaches 71%, with precision of 69%, recall of 76%, and F1-score of 72%. This indicates that the Naive Bayes model can be used as one of the tools to assist in decision making related to credit risk in Home Credit company. Keywords: Credit Risk, Classification, Naive Bayes |
|---|---|
| Item Description: | http://repository.upi.edu/89949/1/S_MAT_1901877_Title.pdf http://repository.upi.edu/89949/2/S_MAT_1901877_Chapter%201.pdf http://repository.upi.edu/89949/3/S_MAT_1901877_Chapter%202.pdf http://repository.upi.edu/89949/4/S_MAT_1901877_Chapter%203.pdf http://repository.upi.edu/89949/5/S_MAT_1901877_Chapter%204.pdf http://repository.upi.edu/89949/6/S_MAT_1901877_Chapter%205.pdf http://repository.upi.edu/89949/7/S_MAT_1901877_Appendix.pdf |