Laia, Idaselfiana (2025) Analisis Kredit Macet Pada Anggota Credit Union (CU) Sohagaini Helezalulu Dengan Metode Naive Bayes. Other thesis, Universitas Katolik Santo Thomas.
Abstrak dan Daftar Pustaka Idaselfiana Laia.pdf - Published Version
Download (1MB)
Full Text Idaselfiana Laia.pdf - Published Version
Restricted to Repository staff only
Download (3MB) | Request a copy
Abstract
Penelitian ini bertujuan untuk Menganalisis Kredit Macet pada Anggota Credit Union (CU) Sohagaini Helezalulu dengan Metode Naïve Bayes". Kredit macet merupakan kondisi di mana debitur tidak mampu memenuhi persyaratan pembayaran yang telah diperjanjikan, seperti bunga atau pokok pinjaman, yang dapat mengganggu stabilitas keuangan lembaga. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor penentu kredit macet dan menerapkan algoritma Naïve Bayes untuk memprediksi potensi risiko kredit tersebut. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi literatur untuk pengumpulan data. Data yang dianalisis mencakup riwayat kredit anggota dari tahun 2019 hingga 2023. Algoritma Naïve Bayes digunakan sebagai metode klasifikasi berbasis probabilitas untuk menentukan kelayakan pemberian kredit kepada calon nasabah berdasarkan pengalaman data di masa lalu. Hasil dari penelitian ini diharapkan dapat memberikan rekomendasi strategis bagi manajemen CU Sohagaini Helezalulu dalam mitigasi risiko. Implementasi sistem ini bertujuan membantu staf dalam pengambilan keputusan pemberian pinjaman secara lebih akurat dan efisien guna meminimalkan kerugian akibat kredit macet.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Kredit Macet, Credit Union (CU), Data Mining, Algoritma Naïve Bayes. |
| Subjects: | 000 Computer science, information , general works > 004 Computer science |
| Divisions: | Fakultas Ilmu Komputer > S1-Teknik Informatika |
| Depositing User: | Perpustakaan Unika Santo Thomas |
| Date Deposited: | 15 Jul 2026 06:52 |
| Last Modified: | 15 Jul 2026 06:52 |
| URI: | https://eprints.ust.ac.id/id/eprint/967 |
