IMPLEMENTASI KLASIFIKASI KELAYAKAN PEMBERIAN KREDIT MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS WEB DI KOPERASI LEMBAGA MASYARAKAT DESA HUTAN (LMDH) SUBUR SARI DESA PUDAK WETAN (Studi kasus : Desa Pudak Wetan, Kecamatan Pudak, Kabupaten Ponorogo)

Nurjanah, Ika (2021) IMPLEMENTASI KLASIFIKASI KELAYAKAN PEMBERIAN KREDIT MENGGUNAKAN ALGORITMA NAÏVE BAYES BERBASIS WEB DI KOPERASI LEMBAGA MASYARAKAT DESA HUTAN (LMDH) SUBUR SARI DESA PUDAK WETAN (Studi kasus : Desa Pudak Wetan, Kecamatan Pudak, Kabupaten Ponorogo). Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text (Surat Persetujuan Unggah Karya Ilmiah) Surat Keputusan unggah karya ilmiah.pdf Download (128kB)
	Text (HALAMAN DEPAN) HAL DEPAN.pdf Download (1MB)
	Text (BAB I) BAB 1.pdf Download (164kB)
	Text (BAB II) BAB 2.pdf Download (241kB)
	Text (BAB III) BAB 3.pdf Restricted to Repository staff only Download (475kB)
	Text (BAB IV) BAB 4.pdf Restricted to Repository staff only Download (905kB)
	Text (BAB V) BAB 5.pdf Restricted to Repository staff only Download (97kB)
	Text (DAFTAR PUSTAKA) DAPUS.pdf Download (174kB)

Abstract

Pemberian kredit bank terhadap nasabah adalah kegiatan rutin yang mempunyai
resiko tinggi. Terutama pada Koperasi LMDH Subur Sari Desa Pudak Wetan.
Kredit yang bermasalah atau kredit macet sering terjadi akibat kurang cermatnya
analis kredit dalam proses pemberian kredit. Hal tersebut terjadi akibat kurang
akuratnya manajemen dalam menentukan pemohon mana yang layak dan tidak
layak diberikan pinjaman. Oleh karena itu, penulis menerapkan metode data
mining untuk mengklasifikasikan kelayakan nasabah dalam kategori layak dan
tidak layak berdasarkan data historis nasabah di masa sebelumnya, kemudian
digunakan dalam memprediksi kelayakan nasabah di masa depan, yaitu dengan
algoritma Naïve Bayes. Dari hasil sistem klasifikasi pemberian kredit yang
dibuat dengan pengujian menggunakan blacx box bahwa sistem sudah dapat
berjalan sesuai algoritma dan dapat menentukan layak/Tidak layaknya nasabah
untuk diberikan kredit.

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Kredit, Data mining, Naïve Bayes
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Engineering
Depositing User:	ft . userft
Date Deposited:	01 Sep 2021 01:20
Last Modified:	28 Oct 2021 00:36
URI:	https://eprints.umpo.ac.id/id/eprint/7446

Actions (login required)

View Item