IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENENTUAN PENGAJUAN KARTU KREDIT MENGGUNAKAN DECISION TREE DAN NAIVE BAYES (Studi Kasus: Bank Mandiri Cabang Jakarta Pondok Kelapa)

Rizky, Pratama (2024) IMPLEMENTASI DATA MINING UNTUK PREDIKSI PENENTUAN PENGAJUAN KARTU KREDIT MENGGUNAKAN DECISION TREE DAN NAIVE BAYES (Studi Kasus: Bank Mandiri Cabang Jakarta Pondok Kelapa). Other thesis, UNSADA.

[img] Text
COVER.pdf

Download (1MB)
[img] Text
BAB 1.pdf

Download (740kB)
[img] Text
BAB 2.pdf

Download (1MB)
[img] Text
BAB 3.pdf
Restricted to Registered users only

Download (2MB)
[img] Text
BAB 4.pdf
Restricted to Registered users only

Download (1MB)
[img] Text
BAB 5.pdf

Download (538kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (538kB)
[img] Text
HASIL TURNITIN.pdf
Restricted to Registered users only

Download (491kB)
[img] Text
SUKET TURNITIN.pdf
Restricted to Registered users only

Download (622kB)
Official URL: http://repository.unsada.ac.id/cgi/oai2

Abstract

Tujuan dari penelitian ini adalah untuk menghasilkan informasi dan aplikasi tambahan yang dapat memprediksi pengajuan kartu kredit oleh calon nasabah dan dapat digunakan oleh perusahaan di bidang keuangan, terutama bank, untuk mensegmentasi kualitas calon nasabahnya.. Data yang digunakan berupa identitas pribadi calon nasabah seperti nama, tanggungan, penghasilan pertahun, nomor handphone dan lain-lain. Penggunaan data mempunyai karakteristik kelas yang tidak seimbang (imbalance dataset) sehingga perlu penerapan data mining pada aplikasi yang dibuat agar data tersebut dapat ditraining dan difiltering dengan baik. Aplikasi yang dibuat mengikuti langkah-langkah kerja CRISP-DM dengan menggunakan metode yang diterapkan adalah dengan menggunakan algoritma pemrosesan data seperti pohon keputusan c4.5 dan naif bayes,, algoritma tersebut akan diuji dan dievaluasi untuk mengklasifikan dan memprediksi pengajuan kartu kredit calon nasabah. PHP adalah bahasa pemrograman yang digunakan. hasil evaluasi matrix confusion dengan klasifikasi layak menunjukkan bahwa akurasi pohon keputusan c4.5 rata-rata 0.51 dan naive bayes 0.40, sedangkan pohon keputusan tepat c4.5 rata-rata 0.55 dan naive bayes 0.48.

Item Type: Thesis (Other)
Uncontrolled Keywords: Decision Tree, Naïve Bayes, Data Mining, Pengajuan Kartu Kredit
Subjects: 000 Generalities/Karya Umum > 006.312 Data Mining
Divisions: Fakultas Teknik > Teknik Informatika
Depositing User: Suwatno Suwatno Perpustakaan
Date Deposited: 18 Jul 2024 01:34
Last Modified: 18 Jul 2024 01:34
URI: http://repository.unsada.ac.id/id/eprint/8092

Actions (login required)

View Item View Item