FITRIA, IIS WASIATUL, IIS WASIATU FITRIA (2025) PERBANDINGAN ALGORITMA LOGISTIC REGRESSION DAN NAÏVE BAYES UNTUK PREDIKSI RISIKO GAGAL BAYAR PADA NASABAH KOPERASI SIMPAN PINJAM. S1 thesis, Universitas Islam Nusantara.

Text (SKRIPSI IIS WASIATUL FITRIA 41037006211156) 41037006211156_Iis_Wasiatul_Fitria_SKRIPSI_TIF_FTEK.pdf - Published Version Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini mengatasi inefisiensi penilaian risiko kredit konvensional di Koperasi Simpan Pinjam (KSP) dengan mengimplementasikan Machine learning. Menggunakan metode CRISP-DM, dua algoritma Logistic Regression dan Naïve Bayes diuji dengan dataset German Credit Data untuk memprediksi risiko gagal bayar. Hasilnya, Logistic Regression terbukti menjadi model terbaik. Meskipun Naïve Bayes memiliki akurasi yang lebih tinggi, Logistic Regression unggul dengan nilai recall sebesar 71,28% untuk kelas risiko buruk. Recall yang tinggi sangat penting karena menunjukkan kemampuan model dalam mengidentifikasi nasabah berisiko, yang secara langsung meminimalkan potensi kerugian finansial. Model terbaik ini kemudian diimplementasikan ke dalam GUI berbasis web menggunakan framework Streamlit. Aplikasi ini berfungsi sebagai alat praktis bagi manajemen KSP, menyediakan prediksi yang dipengaruhi oleh faktor-faktor kunci seperti status rekening dan kepemilikan rumah. Dengan demikian, penelitian ini berhasil menciptakan solusi yang lebih akurat dan efisien untuk pengambilan keputusan kredit. Kunci: CRISP-DM, Framework Streamlit, Logistic Regression, Naïve Bayes, Resiko Gagal Bayar.

Actions (login required)

View Item