Komparasi Metode Support Vector Machine dan Naive Bayes Classifier untuk Pemodelan Kualitas Pengajuan Kredit

Abstract

Kredit bermasalah atau Non-Performing Loan (NPL) merupakan suatu risiko yang terdapat dalam setiap pemberian kredit oleh bank atau institusi pemberian kredit kepada customernya. Suatu bank memiliki risiko yang tinggi dalam hal kredit dapat dilihat dari tinggi rendahnya NPL bank tersebut. Permasalahan NPL ditandai dengan kredit yang tidak dapat kembali tepat pada jangka waktu yang telah ditentukan. Analisis penilaian risiko calon debitur pada suatu bank perlu dilakukan untuk mengantisipasi permasalahan NPL. Pada penelitian ini dilakukan analisis pemodelan kualitas kredit menggunakan metode Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) untuk melakukan klasifikasi penilaian risiko calon debitur. Pada SVM diujikan tiga fungsi kernel, yaitu fungsi kernel Linear, fungsi kernel Gaussian Radial Basis Function (RBF), dan fungsi kernel Polynomial. Hasil penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode SVM fungsi kernel RBF merupakan model terbaik, dengan akurasi 96.65%. Hasil pemodelan dapat digunakan dalam mengklasifikasi sekaligus menyeleksi calon debitur, apakah akan menjadi debitur yang mempunyai kualitas kredit baik atau buruk.