60 BAB V PENUTUP
5.1. Kesimpulan
Berdasarkan penelitian mengenai prediksi kelayakan permohonan kredit nasabah PD.BPR/BKK Taman Cabang Bantarbolang, dari hasil analisis, implementasi dan pengujian yang telah dibahas pada bab-bab sebelumnya, maka penulis dapat menarik beberapa kesimpulan sebagai berikut:
1. Bedasarkan data nasabah yang diperoleh, pengujian menggunakan rapidminer maupun microsoft excel pada data nasabah yang berjumlah 67 record dari PD.
BPR/BKK Taman Cabang Bantarbolang menghasilkan tingkat akurasi yang sama yaitu 91.67% dan nilai AUC adalah 0.984 termasuk dalam Excellent Classification, dimana dalam pengujian model data, data set dibagi menjadi dua bagian yaitu data training dan data testing dengan presentase 80% untuk data training dan sisanya 20% untuk data testing.
2. Dengan penelitian ini dapat disimpulkan bahwa metode naive bayes classifier merupakan metode yang cukup baik dalam pengklasifikasikan data, dengan demikian algoritma naive bayes dapat memberikan solusi yang efektif dalam memprediksi kelayakan permohonan kredit. Sehingga memudahkan perusahaan untuk memprediksi nasabah yang layak atau tidak layak untuk diberikan fasilitas kredit.
3. Variabel penentu yang digunakan dalam penelitian ini adalah jenis kelamin, jangka waktu pengembalian, plafond, jenis pekerjaan, dan jenis agunan.
61
5.2. Saran
Beberapa saran yang dapat diberikan penulis untuk perbaikan dan penelitian selanjutnya antara lain:
1. Dari sisi data yang digunakan diharapkan dimasa mendatang jumlah record dan jumlah atribut yang digunakan dapat bertambah, dikarenakan algoritma naive bayes classifier untuk mendapatkan tingkat akurasi yang tinggi dibutuhkan data yang banyak dan juga atribut pendukung yang banyak.
2. Pada penelitian berikutnya dapat dibuatkannya sebuah program aplikasi menggunakan bahasa pemrograman dan dapat dikembangakan dengan metode algoritma data mining yang berbeda.
