IMPLEMENTASI DATA MINING UNTUK PREDIKSI
PENENTUAN PENGAJUAN KARTU KREDIT
MENGGUNAKAN DECISION TREE DAN NAIVE BAYES
(Studi Kasus: Bank Mandiri Cabang Jakarta Pondok Kelapa)
Total View This Week0
Total View This Week0
Institusion
Universitas Darma Persada
Author
Rizky, Pratama
Subject
006.312 Data Mining
Datestamp
2024-07-18 01:34:42
Abstract :
Tujuan dari penelitian ini adalah untuk menghasilkan informasi dan aplikasi tambahan yang dapat memprediksi pengajuan kartu kredit oleh calon nasabah dan dapat digunakan oleh perusahaan di bidang keuangan, terutama bank, untuk mensegmentasi kualitas calon nasabahnya.. Data yang digunakan berupa identitas pribadi calon nasabah seperti nama, tanggungan, penghasilan pertahun, nomor handphone dan lain-lain. Penggunaan data mempunyai karakteristik kelas yang tidak seimbang (imbalance dataset) sehingga perlu penerapan data mining pada aplikasi yang dibuat agar data tersebut dapat ditraining dan difiltering dengan baik. Aplikasi yang dibuat mengikuti langkah-langkah kerja CRISP-DM dengan menggunakan metode yang diterapkan adalah dengan menggunakan algoritma pemrosesan data seperti pohon keputusan c4.5 dan naif bayes,, algoritma tersebut akan diuji dan dievaluasi untuk mengklasifikan dan memprediksi pengajuan kartu kredit calon nasabah. PHP adalah bahasa pemrograman yang digunakan. hasil evaluasi matrix confusion dengan klasifikasi layak menunjukkan bahwa akurasi pohon keputusan c4.5 rata-rata 0.51 dan naive bayes 0.40, sedangkan pohon keputusan tepat c4.5 rata-rata 0.55 dan naive bayes 0.48.
Tujuan dari penelitian ini adalah untuk menghasilkan informasi dan aplikasi tambahan yang dapat memprediksi pengajuan kartu kredit oleh calon nasabah dan dapat digunakan oleh perusahaan di bidang keuangan, terutama bank, untuk mensegmentasi kualitas calon nasabahnya.. Data yang digunakan berupa identitas pribadi calon nasabah seperti nama, tanggungan, penghasilan pertahun, nomor handphone dan lain-lain. Penggunaan data mempunyai karakteristik kelas yang tidak seimbang (imbalance dataset) sehingga perlu penerapan data mining pada aplikasi yang dibuat agar data tersebut dapat ditraining dan difiltering dengan baik. Aplikasi yang dibuat mengikuti langkah-langkah kerja CRISP-DM dengan menggunakan metode yang diterapkan adalah dengan menggunakan algoritma pemrosesan data seperti pohon keputusan c4.5 dan naif bayes,, algoritma tersebut akan diuji dan dievaluasi untuk mengklasifikan dan memprediksi pengajuan kartu kredit calon nasabah. PHP adalah bahasa pemrograman yang digunakan. hasil evaluasi matrix confusion dengan klasifikasi layak menunjukkan bahwa akurasi pohon keputusan c4.5 rata-rata 0.51 dan naive bayes 0.40, sedangkan pohon keputusan tepat c4.5 rata-rata 0.55 dan naive bayes 0.48.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
