Skripsi KOMPARASI ALGORITMA KLASIFIKASI DATA MINING DALAM PENENTUAN RESIKO KREDIT KEPEMILIKAN KENDARAAN BEMOTOR

Sejalan dengan pertumbuhan dan perkembangan bisnis, masalah perkreditan tetap menarik untuk dikaji dan diungkap. Beberapa penelitian bidang komputer telah banyak dilakukan untuk mengurangi resiko kredit yang menyebabkan kerugian pada perusahaan. Dalam penelitian ini dilakukan komparasi algoritma C4.5, naïve bayes dan neural network yang diaplikasikan terhadap data konsumen yang mendapat pembiayaan kredit motor baik yang bermasalah dalam pembayaran angsurannya maupun tidak. Dari hasil pengujian dengan mengukur kinerja ketiga algoritma tersebut menggunakan metode pengujian Cross Validation, Confusion Matrix dan Kurva ROC, diketahui bahwa algoritma C4.5 memiliki nilai accuracy paling tinggi, yaitu 91.90%, diikuti oleh metode neural network dengan accuracy sebesar 90.66% dan yang terendah adalah metode naïve bayes dengan nilai accuracy 82.75%. Nilai AUC untuk metode C4.5 juga menunjukkan nilai tertinggi, yaitu 0.958 disusul metode neural network dengan nilai AUC sebesar 0.949, dan yang terendah adalah nilai AUC naïve bayes, yaitu 0.905. Melihat nilai AUC dari ketiga metode tersebut maka ketiganya termasuk kelompok klasifikasi sangat baik karena nilai AUC-nya antara 0.90-1.00.