PENERAPAN METODE NAÏVE BAYES UNTUK PENENTUAN KELAYAKAN PEMBERIAN KREDIT KEPADA NASABAH (Studi Kasus: PT BPR KROYA BANGUNARTHA)

Bank Perkreditan Rakyat (BPR) berperan penting dalam mendukung perkembangan usaha mikro, kecil, dan menengah (UMKM) melalui pemberian kredit. Namun, penentuan kelayakan nasabah sering kali menjadi tantangan akibat keterbatasan dalam analisis data manual yang membutuhkan waktu lama dan rawan
kesalahan. Untuk mengatasi permasalahan tersebut, penelitian ini mengimplementasikan metode Naïve Bayes dalam menganalisis kelayakan kredit nasabah di PT BPR Kroya Bangunartha. Metode ini dipilih karena kemampuannya dalam mengelompokkan data menerapkan kriteria tertentu dengan pendekatan probabilitas bersyarat. Penelitian ini bertujuan untuk mengevaluasi keakuratan model Naïve Bayes dalam mendukung pengambilan keputusan kredit. Proses analisis dilakukan dengan menggunakan perangkat Rapid Miner dan Python untuk membandingkan efisiensi dan validitas hasil.
Hasil evaluasi menunjukkan bahwa model Naïve Bayes menghasilkan tingkat akurasi sebesar 76,92%, precision sebesar 80%, dan recall sebesar 66,67%. Model ini mampu mengklasifikasikan nasabah sebagai layak atau tidak layak untuk mendapatkan kredit berdasarkan data historis dengan efisiensi yang cukup baik. Meskipun hasilnya memadai, terdapat beberapa faktor yang memengaruhi kinerja model, seperti ketidakseimbangan data dan pemilihan variabel prediktor. Untuk meningkatkan performa, diperlukan langkah-langkah optimasi seperti pembaruan data secara berkala, penyesuaian threshold, dan penanganan class imbalance. Penggunaan metode ensembel dan validasi silang juga dapat menjadi alternatif
untuk meningkatkan akurasi.
Kesimpulan dari penelitian ini adalah bahwa algoritma Naïve Bayes dapat diimplementasikan secara efektif untuk mendukung proses analisis kelayakan kredit, memberikan efisiensi operasional, serta membantu bank dalam meminimalkan risiko kredit macet. Dengan integrasi teknologi dan pengelolaan data yang berkelanjutan, metode ini dapat menjadi alat strategis dalam mendukung pengambilan keputusan berbasis data di sektor keuangan.
Kata kunci: Naïve Bayes, kelayakan kredit, analisis data, pengambilan keputusan, Bank Perkreditan Rakyat.