PERBANDINGAN METODE RANDOM FOREST DAN NAÏVE BAYES UNTUK KLASIFIKASI DEBITUR BERDASARKAN KUALITAS KREDIT

Abstract

Pertumbuhan kredit dari tahun 2016 – 2018 mengalami peningkatan.
Peningkatan tersebut bersumber dari semua jenis penggunaan kredit, baik modal kerja, investasi, maupun konsumsi. Namun, tidak semua kredit dapat dikembalikan secara sempurna dan tepat waktu artinya akan muncul suatu resiko yang dikenal dengan resiko kredit dimana risiko kredit dapat terjadi pada setiap bank. Masalah resiko kredit dapat diatasi dengan klasifikasi.
Metode klasifikasi yang pernah digunakan adalah Random Forest dan Naive Bayes, namun Random Forest dan Naive Bayes memiliki kelebihan dan kekurangan masing-masing oleh karena itu dilakukan perbandingan metode dengan membandingkan nilai Akurasi. Hasil yang didapat Random Forest memiliki hasil akurasi tertinggi yakni sebesar 98,16% disusul Naïve Bayes 95,93%. Sehingga dengan Random Forest nasabah yang memiliki kredit bermasalah hanya 3,22%

Keywords: Debitur, klasifikasi, Random Forest, Naive Bayes, Kualitas
Kredit