IMPLEMENTASI ALGORITMA NAÏVE BAYES PADA KLASIFIKASI PENENTUAN JENIS KARTU KREDIT
Main Article Content
Abstract
Kartu Kredit adalah Alat Pembayaran Dengan Menggunakan Kartu (APMK) yang yang dikeluarkan oleh sebuah Bank dan dapat digunakan untuk melakukan pembayaran atas kewajiban yang timbul dari suatu kegiatan ekonomi, termasuk transaksi pembelanjaan dan/atau untuk melakukan penarikan tunai, dimana kewajiban pembayaran pemegang kartu dipenuhi terlebih dahulu oleh acquirer atau penerbit, dan pemegang kartu berkewajiban untuk melakukan pembayaran pada waktu yang disepakati baik dengan pelunasan secara sekaligus (charge card) ataupun dengan pembayaran secara angsuran. Dalam proses pengajuan kartu kredit yang dilakukan oleh nasabah, terdapat permasalahan yang timbul yaitu sulitnya analis kartu kredit dalam menentukan jenis kartu kredit yang sesuai untuk nasabah. Sulitnya analisa disebabkan karena banyak faktor pengikat didalam pemberian kartu kredit seperti jenis kelamin, status rumah, status, jumlah tanggungan, profesi, penghasilan per tahun dan yang lainnya. Data mining adalah proses pengumpulan dan pengolahan data yang bertujuan untuk mengekstrak informasi penting pada data. Proses pengumpulan dan ekstraksi informasi tersebut dapat dilakukan menggunakan perangkat lunak dengan bantuan perhitungan statistika, matematika, ataupun teknologi Artificial Intelligence (AI). Salah satu algoritma yang sering digunakan dalam proses data mining adalah Naïve Bayes Classifier. Naïve bayes clasiffier adalah pengklasifikasian statistik yang dapat digunakan untuk memprediksi probabilitas keanggotaan suatu class. Hasil penelitian berupa Implementasi Algoritma Naïve Bayes Pada Klasifikasi Penentuan Kartu Kredit. Dari pengujian model yang terbentuk dengan menggunakan persentase 80% data training dan 20 % data testing menggunakan algoritma naïve bayes, didapat nilai akurasi yaitu 0,975, Presisi yaitu 0,929, Nilai Recall yaitu 0,915 dan F1 Score 0,915.
Kata Kunci :
Article Details
References
[2] M. Dudiyanto, “Pertumbuhan Kartu Kredit Di Indonesia Dalam Pandemi Covid’19,” Jurnal Manajemen, vol. 11, no. 1. pp. 34–41, 2021, doi: 10.26460/jm.v11i1.2017.
[3] O. B. INDONESIA, “Berbagai Keuntungan Menggunakan Kartu Kredit yang Wajib Diketahui.” 2020.
[4] A. Sofiyan, A. Azkiya, S. Tinggi Manajemen Informatika dan Komputer Dumai, and A. Manajemen Informatika dan Komputer Dumai Jl Utama Karya Bukit Batrem Dumai-Riau Kode, “I N F O R M a T I K a Penerapan Metode Rough Set Menganalisis Penyakit Yang Sering Dikeluhkan Pasien (Studi Kasus Puskesmas Jaya Mukti Dumai),” Jurnal Informatika, Manajemen dan Komputer, vol. 14, no. 1. 2022.
[5] W. L. S. Hakam Febtadianrano Putro, Retno Tri Vulandari, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. TIKomSiN, vol. 8, no. 2, pp. 19–24, 2020.
[6] Y. I. Kurniawan and T. I. Barokah, “Klasifikasi Penentuan Pengajuan Kartu Kredit Menggunakan K-Nearest Neighbor,” Jurnal Ilmiah Matrik, vol. 22, no. 1. pp. 73–82, 2020, doi: 10.33557/jurnalmatrik.v22i1.843.
[7] R. Wijayanti and Sulastri, “Analisa Klasifikasi Kartu Kredit Menggunakan Algoritma Naive Bayes,” Dinamika Informatika, vol. 10, no. 2. pp. 80–86, 2018.
[8] S. Bahri and A. Lubis, “Metode Klasifikasi Decision Tree Untuk Memprediksi Juara English Premier League,” J. Sintaksis, vol. 2, no. 1, pp. 63–70, 2020.
[9] K. Anam, “Ragam Kartu Kredit Berdasarkan Limit.” 2022, [Online]. Available: https://www.cnbcindonesia.com/mymoney/20220304185658-72-320189/ragam-kartu-kredit-berdasarkan-limit-kamu-punya-yang-mana.
[10] Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” Jurnal Edik Informatika, vol. 2, no. 2. pp. 213–219, 2019.
[11] S. University, “Pengertian Data Mining, Fungsi, Metode dan Contoh Penerapan,” Sampoernauniversity.Ac.Id. 2022, [Online]. Available: https://www.sampoernauniversity.ac.id/id/data-mining/.
[12] F. H. dan F. S. Pribadi, “Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110,” J. Tek. Elektro, vol. 7, no. 1, pp. 19–24, 2015.
[13] S. Syarli and A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” J. Ilm. Ilmu Komput., vol. 2, no. 1, pp. 22–26, 2016, [Online]. Available: https://jurnal.iaii.or.id/index.php/RESTI/article/download/2232/315/.