Perpustakaan Digital ITB

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%.