Kredit merupakan sumber utama penghasilan dalam sebuah bank dan sekaligus merupakan resiko bisnis yang paling besar. Karena dalam proses pemberian kredit tidak jarang terjadi kredit bermasalah atau macet. Dalam menangani hal tersebut, Bank BRI melakukan perencanan yang baik dalam menentukan strategi, salah satunya menggunakan analisis 5C dan BI Checking sebagai dasar pengambilan keputusan pemberian kredit. Akan tetapi, data-data kredit yang sudah terkumpul belum digunakan secara maksimal sebagai salah satu acuan dalam pengambilan keputusan kredit. Untuk mengatasi hal tersebut, dalam penelitian ini dilakukan perancangan sistem dan pengolahan data menggunakan algoritma data mining untuk memprediksi hasil kredit calon nasabah. Algoritma yang digunakan dalam penelitian ini adalah Naive Bayes - K-Nearest Neighbor sebagai algoritma pengolah datanya. Dari hasil pengujian yang telah dilakukan, Naive Bayes-KNN menghasilkan akurasi 88.51%, KNN 88.36% dan Naive Bayes 86.87%. Sementara dari hasil waktu pengolahannya Naive Bayes-KNN membutuhkan waktu proses 54,554s, KNN 78,702s dan Naive Bayes 16,426s. Ini membuktikan bahwa penggabungan Naive Bayes-KNN dapat mengatasi kelemahan pada KNN yaitu proses waktu lebih cepat dan kelemahan pada Naive Bayes yaitu persentase akurasi lebih tinggi. Sekaligus dari segi sistem diharapkan dapat mempermudah dan mempersingkat waktu pihak bank dalam pengambilan keputusan kredit.
展开▼
