Analisis Kelayakan Pemberian Kredit dengan Algoritma Naïve Bayes untuk Antisipasi Risiko Kredit Bermasalah Pada BPR Ukabima Lestari Cabang Jambi

Authors

  • Anggi Saputra Universitas Dinamika Bangsa
  • Setiawan Assegaff Universitas Dinamika Bangsa
  • Benni Purnama Universitas Dinamika Bangsa

DOI:

https://doi.org/10.61132/prosemnasproit.v2i2.96

Keywords:

data mining, kelayakan kredit, kredit bermasalah, Naïve Bayes, risiko kredit

Abstract

This study analyzes creditworthiness assessment and predicts non-performing loan (NPL) risk using the Naïve Bayes algorithm at BPR Ukabima Lestari, Jambi Branch. A quantitative data mining approach with probabilistic classification is applied. The dataset includes borrower attributes such as age, occupation, income, loan amount, tenor, collateral, and repayment history. Research stages comprise data preprocessing, model development, and performance evaluation using accuracy, precision, recall, and F1-score implemented in RapidMiner. The results indicate that the Naïve Bayes model achieves 99.58% accuracy, demonstrating strong capability to predict potential problem loans accurately and efficiently, supporting data-driven credit decisions and strengthening credit risk management in microbanking institutions.

References

Alexandri, M. B., Putri, M., & Sujatna, C. (2020). ANALISIS FAKTOR PENYEBAB KREDIT MACET PADA PT. BPR BANJAR ARTHASARIGUNA TASIKMALAYA. In Agustus (Vol. 3, Issue 2).

Algusri, J., & Agselvia, F. (2024). Analisis Rendahnya Pendapatan Nasabah Dalam Berwirausaha Sebagai Penyebab Timbulnya Kredit Macet Pada PT. BPR Tuah Negeri Mandiri Pekanbaru. In Economics, Accounting and Business Journal (Vol. 4, Issue 1).

ANALISIS SENTIMEN PENGGUNA SLIK OJK MENGGUNAKAN NAÏVE BAYES DENGAN OPTIMASI INFORMATION GAIN DAN SMOTE. (n.d.).

Dwihandayani, D. (2023). ANALISIS KINERJA NON PERFORMING LOAN (NPL) PERBANKAN DI INDONESIA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI NPL.

Fadelina Alamri, N., Amaliah, H., Husain, S. P., & Artikel, R. (2023). Jambura Accounting Review Penerapan Prinsip 5C Dalam Pemberian Kredit Ritel Untuk Menghindari Kredit Macet. Jambura Accounting Review, 4(2), 321–332.

Hadi, A., & Ali, I. (2023). MENENTUKAN KELAYAKAN PENERIMA KIP MENGGUNAKAN KLASIFIKASI DENGAN METODE ALGORITMA NAIVE BAYES. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Issue 1).

Hanifatun, F., & Zahrotun, L. (2025). Penerapan Data Mining Dalam Pemberian Kelayakan Kredit Nasabah Pada Badan Usaha Milik Desa Gedong Gincu Dengan Metode Naïve Bayes. Jurnal Informatika: Jurnal Pengembangan IT, 10(1), 2025. https://doi.org/10.30591/jpit.v9ix.xxx

Khubaib Tamami, M., & Kharisudin, I. (n.d.). Indonesian Journal of Mathematics and Natural Sciences Komparasi Metode Support Vector Machine dan Naive Bayes Classifier untuk Pemodelan Kualitas Pengajuan Kredit. In Indones. J. Math. Nat. Sci (Vol. 46, Issue 1). http://journal.unnes.ac.id/nju/index.php/JM

Nurasisah, N. (2022). Analisis Proses Manajemen Risiko Perbankan Dalam Mengendalikan Risiko Kredit. Amkop Management Accounting Review (AMAR), 2(2), 32–39. https://doi.org/10.37531/amar.v2i2.437

Pernama, B., Dwi Purnomo, H., & Satya Wacana, K. (2023). Analisis Risiko Pinjaman dengan Metode Support Vector Machine, Artificial Neural Network dan Naïve Bayes. Jurnal Teknologi Informasi Dan Komunikasi), 7(1), 2023. https://doi.org/10.35870/jti

Pertiwi, R. E., Syaukat, Y., & Rachmina, D. (2020). FAKTOR YANG MEMENGARUHI KREDIT BERMASALAH BANK KONVENSIONAL DAN SYARIAH DI INDONESIA. Jurnal Aplikasi Bisnis Dan Manajemen. https://doi.org/10.17358/jabm.6.1.118

Siagian, S., Lidwan, N., Sopyan, S., Ridwan, W., & Roni, F. (2022). ANALISIS KREDIT, NPL DAN ROA PERBANKAN NASIONAL SAAT PANDEMI COVID-19. Akrab Juara : Jurnal Ilmu-Ilmu Sosial, 7(2). https://doi.org/10.58487/akrabjuara.v7i2.1816

Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). ANALISIS DATA MINING DATA NETFLIX MENGGUNAKAN APLIKASI RAPID MINER. JBASE - Journal of Business and Audit Information Systems, 4(1). https://doi.org/10.30813/jbase.v4i1.2729

Tri Dewi Septiani, A., Prayogo Kuncoro, A., & Subarkah, P. (2023). Perbandingan Kinerja Metode Naïve Bayes Classifier dan K-Nearest Neighbor pada Analisis Sentimen Ulasan Mobile Banking Jenius (Vol. 3). https://ejournal.sidyanusa.org/index.php/jkdn

Usriyati, R., Priyono, N., & Khabibah, N. A. (2022). Penanganan Kredit Bermasalah (Non Performing Loan) Pada PT. BPR BKK Muntilan (Perseroda). 17(1), 60–71. https://akuntansi.pnp.ac.id/jam

Zatnika, Y., Safariah, I., & Hodijah, C. (2022). PENGARUH DANA PIHAK KETIGA DAN KREDIT BERMASALAH TERHADAP PROFITABILITAS (PADA BANK UMUM KONVENSIONAL YANG TERDAFTAR DI BEI TAHUN 2014-2017). CAKRAWALA-Repositori IMWI |, 5(1).

Downloads

Published

2025-12-30

How to Cite

Anggi Saputra, Setiawan Assegaff, & Benni Purnama. (2025). Analisis Kelayakan Pemberian Kredit dengan Algoritma Naïve Bayes untuk Antisipasi Risiko Kredit Bermasalah Pada BPR Ukabima Lestari Cabang Jambi. Prosiding Seminar Nasional Ilmu Teknik, 2(2), 1098–1103. https://doi.org/10.61132/prosemnasproit.v2i2.96