Perbandingan Metode Klasifikasi Naïve Bayes dan C4.5 untuk Menentukan Potensi Nasabah Pada NSC Finance
DOI:
https://doi.org/10.71302/jbidai.v6i1.36Kata Kunci:
Perbandingan, Naive Bayes, C4.5, KlasifikasiAbstrak
NSC Finance, usaha jasa yang memberikan pinjaman kepada masyarakat untuk memenuhi kebutuhan. Masalah utama dari NSC Finance yaitu belum memanfaatkan data nasabahnya untuk mendapatan informasi yang penting. Tujuan dari penelitian ini melakukan klasifikasi pada data nasabah untuk memperoleh informasi target nasabah mana yang memiliki berpotensi, dipertimbangkan, dan tidak berpotensi untuk penawaran pinjaman kembali. Untuk membantu sistem klasifikasi nasabah lebih akurat, ada beberapa metode yang dapat dibandingkan di antaranya yaitu Naïve Bayes dan C4.5 dengan pengukuran akurasi menggunakan recall precision. Analisa Perbandingan metode ini bertujuan untuk mengetahui metode yang memiliki akurasi tertinggi dalam menentukan klasifikasinya. Dengan adanya perbandingan metode ini perusahaan bisa mengetahui keakuratan tertinggi dalam menentukan hasil klasifikasi diantara 2 metode yang dibandingkan. Hasil penelitian yang ditemukan bahwa proses klasifikasi berdasarkan pola yang terbentuk dari 80 data training dan 20 data testing sehingga memungkinkan masih ada data yang klasifikasinya tidak bernilai sama dengan data aslinya, dan perbandingan metode klasifikasi data mining Naïve Bayes dan C4.5 menunjukkan bahwa Naïve Bayes lebih akurat dari pada C4.5. Hal tersebut dibuktikan dengan nilai akurasi dari Naïve Bayes yaitu 85%, precision 94.44%, dan recall 89.47%.
Referensi
[1] K. Indriani and Q. Tanjung, “Sistem Pendukung Keputusan Kelayakan Kredit Motor Menggunakan Metode NAÏVE BAYES Pada NSC FINANCE Cikampek.”
[2] L. Navia et al., “Klasifikasi Nasabah Menggunakan Algoritma C4.5 Sebagai Dasar Pemberian Kredit,” vol. 1, no. 2, 2016.
[3] D. Yunita and I. H. Ikasari, “Perbandingan Metode Klasifikasi C4.5 dan Naïve Bayes untuk Mengukur Kepuasan Pelanggan,” vol. 6, no. 3, pp. 2622–4615, 2021, doi: 10.32493/informatika.v6i3.9160.
[4] H. Susana and N. Suarna, “PENERAPAN MODEL KLASIFIKASI METODE NAIVE BAYES TERHADAP PENGGUNAAN AKSES INTERNET Program Studi Teknik Informatika STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon 3) Program Studi Rekayasa Perangkat Lunak STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon 4) Program Studi Komputerisasi Akuntansi STMIK IKMI Cirebon Jl Perjuangan No 10B Kesambi Kota Cirebon,” Jurnal Sistem Informasi dan Teknologi Informasi), vol. 4, no. 1, pp. 1–8, 2022.
[5] H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 2, Oct. 2020, doi: 10.30646/tikomsin.v8i2.500.
[6] N. Azwanti, “ALGORITMA C4.5 UNTUK MEMPREDIKSI MAHASISWA YANG MENGULANG MATA KULIAH (STUDI KASUS DI AMIK LABUHAN BATU),” Jurnal SIMETRIS, vol. 9, no. 1, 2018.
[7] L. Bachtiar and M. Mahradianur, “Analisis Data Mining Menggunakan Metode Algoritma C4.5 Menentukan Penerima Bantuan Langsung Tunai,” Jurnal Informatika, vol. 10, no. 1, pp. 28–36, Mar. 2023, doi: 10.31294/inf.v10i1.15115.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.







