PENERAPAN SELEKSI FITUR INFORMATION GAINPADA NAIVE BAYES UNTUK KLASIFIKASI STATUSKELANCARAN KREDIT PADA BANK

(Oleh : Cahya Karima; Pembimbing : Fatma Indriani, S.T, M.IT dan Dwi Kartini, S.Kom, M.Kom; 2019; 81 Halaman)

            Penelitian ini menerapkan Seleksi Fitur Information Gain pada metode Naive Bayes untuk mengklasifikasikan status kelancaran kredit KUR mikro pada bank BRI.Dengan menerapkan Seleksi Fitur Information Gain pada Naive Bayes bertujuan menjadikan proses pengolahan data menjadi lebih singkat karna hanya mengambil variabel yang berpengaruh saja tanpa mengurangi tingkat integritas perhitungan itu sendiri. Berdasarkan hasil penelitian ini, didapatkan bahwa Flag Restruk memiliki tingkat kepentingan tertinggi dengan nilai gain 0.157806. Variabel kedua hingga terakhir berdasarkan tingkat kepentingannya adalah LN Type, Tempat Lahir, Rate, Usaha, Tanggungan, Jangka Waktu, Omset, Status, Umur, Pendidikan, JK, Plafond. Implementasi Naive Bayes yang digabungkan dengan Information Gain pada penelitian ini, menghasilkan tingkat keakuratan minimum 74.07% dan tertinggi mencapai 75.93% .

Kata Kunci : Information Gain, Naive Bayes,Status Kelancaran Kredit, Kredit KUR mikro BRI.