Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes

Abstract

Data mining adalah teknik yang memanfaatkan data dalam jumlah yang besar untuk memperoleh informasi berharga yang sebelumnya tidak diketahui dan dapat dimanfaatkan untuk pengambilan keputusan penting. Pada penelitian ini, dilakukan data mining pada anggota sebuah perusahaan Koperasi Kredit Sejahtera untuk mengetahui lancar atau tidak lancarnya anggota tersebut. Data yang ada dianalisis menggunakan algoritma Naïve Bayes. Naïve Bayes merupakan salah satu meode pada probabilistic reasoning. Algoritma Naive Bayes bertujuan untuk melakukan klasifikasi data pada kelas tertentu, kemudian tingkat akurasinya dapat digunakan untuk memperkirakan nasabah yang bergabung, sehingga perusahaan bisa mengambil keputusan yang terbaik untuk para anggota. Hasil dari penilitian ini adalah Algoritma Naïve Bayes dapat digunakan sebagai salah satu pilihan untuk mengklasifikasikan data anggota kelalaian pinjaman Koperasi Kredit Sejahtera. Penelitian ini menggunakan 1064 record data training dan 300 record data testing dengan 6 fitur didalamnya untuk mengetahui hasil klasifikasi menggunakan WEKA dan Rapidminer. Dari pengujian menggunakan WEKA dan Rapidminer yang menggunakan 1064 record data training serta 300 record data testing menghasilkan tingkat akurasinya sebesar 70,33%, recall 70,33% dan presisi 100% atau 1. Jadi semakin banyak data testing yang digunakan maka akan semakin mempengaruhi nilai akurasinya.

Kata Kunci: Klasifikasi, Naïve Bayes, Weka, Rapidminer