Cover
PUBLIC karya Abstrak
PUBLIC karya Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya Tugas Akhir
PUBLIC karya
Proses pengajuan kredit di bank bagi sebagian orang cukup merepotkan karena
syarat- syarat yang tidak mudah dan pencairan dana yang memakan waktu lama.
Financial Technology (fintech) khususnya peer-to-peer (P2P) lending hadir
sebagai solusi kredit cepat dengan pengajuan mudah yang mana sebagian besar
prosedurnya sudah fully digital. Namun, presentase kredit macet dari P2P Lending
pada tahun 2019 mencapai 3,18%, sangat tinggi jika dibandingkan dengan NPL
bank yang hanya 2,77%.
Teknologi seperti machine learning dapat membantu untuk proses penilaian
pengajuan pinjaman nasabah agar lebih agar lebih akurat dan efisien. Algoritme
Naive Bayes adalah salah satu algoritme klasifikasi yang cepat dan sederhana
berdasarkan teorema probabilitas Bayes.
Pada tugas akhir ini dipilih dua jenis algoritme Naive Bayes yaitu GaussianNB dan
CategoricalNB. Penerapan algoritme dilakukan dengan metode CRIPS-DM melalui
lima tahapan yaitu pemahaman bisnis, pemahaman data, praproses data,
pemodelan, serta evaluasi. Model hasil optimasi dengan algoritme GaussianNB
dinilai lebih unggul untuk penerapan pada dataset Lending Club dengan hasil nilai
akurasi 91,8%, presisi 77,5%, recall 89,9%, specificity 92,3%, f1-measure 83,2%,
dan AUC 95,7%.