Penerapan Model CRISP-DM pada Prediksi Nasabah Kredit yang Berisiko Menggunakan Algoritma Support Vector Machine

Abstract

Abstrak
Prediksi klasifikasi nasabah kredit diperlukan untuk menentukan nasabah yang berisiko. Hal ini
diperlukan agar pemberi hutang yakni bank tidak mengalami kredit macet. Kondisi saat ini hampir
46% nasabah mengalami kesulitan membayar hutang. Dengan adanya kasus tersebut maka
penelitian ini bertujuan agar bank dapat memilah nasabah. Penelitian terkait dengan klasifikasi
banyak dilakukan dengan bantuan data dari kaggle.com dan menggunakan atribut yang
disesuaikan dengan kondisi tempat peneliti, yaitu: pendapatan, usia, pengalaman kerja, status
pernikahan, kepemilikan rumah, kepemilikan mobil, lama bekerja, dan lama tinggal di rumah saat
ini sebagai keputusan peminjaman. Parameter tersebut diproses dengan algoritma Support Vector
Machine (SVM) dengan tujuan untuk klasifikasi nasabah yang berisiko dan tidak berisiko.
Penelitian ini menggunakan sebanyak 100 data dengan pembagian 70% sebagai data latih dan
30% sebagai data tes. Selain itu, penelitian ini juga membandingkan SVM dengan Algoritma
Naive Bayes dengan pembagian data yang sama. Penelitian menghasilkan nilai akurasi untuk
SVM sebesar 80% dan Naive Bayes 73.33%.

Kata Kunci: Model CRISP-DM, Prediksi nasabah kredit, Algoritma Support Vector Machine