Optimization of Genetic Algorithm on Naïve Bayes for Classification of Bank Credit Applications

Optimasi Genetic Algorithm pada Naïve Bayes untuk Klasifikasi Pengajuan Kredit Bank

Abstract

Seleksi calon nasabah yang mengajukan kredit dalam dunia perbankan merupakan hal yang sangat penting untuk diperhatikan oleh bagian marketing agar terhindar dari kredit bermasalah.  Saat ini pada website www.kaggle.com telah menyediakan data South German Credit yang terdiri dari 22 atribut, 1 label dan 25976 instance yang termasuk dalam kategori data supervised learning. Berdasarkan beberapa penelitian terdahulu, algoritma Naïve Bayes dapat memberikan performa klasifikasi yang lebih baik dibandingkan algoritma klasifikasi yang lain. Beberapa penelitian juga menyebutkan bahwa penggunaan Naive Bayes dapat dioptimasi menggunakan Genetic Algorithm (GA) untuk memperoleh performa yang lebih baik. Penelitian ini bertujuan untuk membandingkan penggunaan algoritma Naive Bayes untuk klasifikasi South German Credit dengan dan tanpa optimasi GA. Proses validasi data yang digunakan pada penelitian ini adalah menggunakan split validasi membagi dataset adalah 95% data training dan 5% data testing. Hasil pengujian menunjukkan bahwa penggunaan GA pada Naive Bayes mampu meningkatkan performa klasifikasi data South German Credit dalam hal akurasi dan recall dengan nilai akurasi sebesar 85,99% Dan recall sebesar 87,91%.