ANALYSIS OF SVM AND NAIVE BAYES ALGORITHM IN CLASSIFICATION OF NAD LOANS IN SAVE AND LOAN COOPERATIVES

Sugeng Riyadi, Muhammad Mizan Siregar, Khairul fadhli Fadhli Margolang, Karina Andriani

Abstract


Abstract: Non-performing loan (NPL) is a risk that credit unions must face and to avoid that, prospective debtors need to be surveyed. With previous loan data, support vector machine and naïve bayes can be used as classification methods to give a decision about NPL. We use a data set with 61 data and process the data with orange 3.30 application to see the difference between SVM using linear (SVM-L), polynomial (SVM-P), RBF (SVM-R) and sigmoid (SVM-S) kernel with naïve bayes. We use a cross validation technique with various folds to measure the classification results and a convusion matrix to measure the data training classification results. Naïve bayes scores the highest in terms of accuracy and SVM-R scores the highest in terms of F1, precision and recall. SVM-P scores the lowest in terms of accuracy, F1, precision and recall. Naïve bayes scores the highest in terms of proportion of predicted for true negative class and proportion of actual for true positive class. SVM-S scores the highest in terms of proportion of predicted for true positive class and proportion of actual for true negative class. SVM-P scores the lowest in both proportion of predicted and proportion of actual. 

           
Keywords: classification; naïve bayes; non-performing loan; support vector machine

 

 

Abstrak: Kredit macet merupakan resiko yang sering dialami koperasi simpan pinjam, sehingga perlu dilakukan survei terhadap calon debitur agar kredit menjadi sehat. Dengan menggunakan data pemberian kredit sebelumnya, support vector machine dan naïve bayes digunakan sebagai metode klasifikasi untuk memberikan keputusan macet atau tidaknya kredit anggota koperasi Mutiara Sejahtera. Data set yang berjumlah 61 data diolah menggunakan aplikasi Orange 3.30 dan dilihat perbandingan antara metode SVM dengan kernel linear, polynomial, RBF dan sigomoid dengan metode naïve bayes. Cross validation dengan jumlah fold bervariasi digunakan sebagai nilai ukur klasifikasi dan convusion matrix digunakan sebagai nilai ukur klasifikasi data training. Hasil yang diperoleh adalah naïve bayes memiliki nilai accuracy tertinggi dan SVM kernel RBF memiliki nilai F1, precision dan recall tertinggi. SVM kernel polynomial memiliki nilai terendah untuk accuracy, F1, precision dan recall. Naïve bayes memiliki nilai tertinggi untuk proportion of predicted (PoP) kelas true negative dan proportion of actual (PoA) kelas true positive. SVM kernel sigmoid memiliki nilai tertinggi untuk PoP kelas true positive dan PoA kelas true negative. SVM kernel polynomial memiliki nilai terendah baik untuk PoP maupun PoA true negative dan kelas true positive.

 

Kata kunci: klasifikasi; kredit macet; naive bayes;  SVM


Full Text:

PDF

References


R. M. Dai, S. Suryanto, and S. Novianti, “Analisis Prosedur Pemberian Kredit Koperasi,” J. Ilmu Keuang. dan Perbank., vol. 7, no. 1, pp. 59–70, 2019, doi: 10.34010/jika.v7i1.1907.

R. Fitriana and Novitasari, “Sistem Dan Prosedur Pelaksanaan Simpan Pinjam Pada Koperasi Karyawan Rsu Bina Sehat Rosa,” l Akunt. Fak. Ekon. UNIBBA, vol. 10, no. 3, pp. 58–71, 2019.

K. F. Margolang, M. M. Siregar, S. Riyadi, and Z. Situmorang, “Analisa Distance Metric Algoritma K-Nearest Neighbor Pada Klasifikasi Kredit Macet,” J. Inf. Syst. Res., vol. 3, no. 2, pp. 118–124, 2022, doi: 10.47065/josh.v3i2.1262.

Amrin and I. Satriadi, “Implementasi Jaringan Syaraf Tiruan Dengan Multilayer Perceptron Untuk Analisa Pemberian Kredit,” J. Ris. Komput., vol. 5, no. 6, pp. 605–610, 2018.

S. L. B. Ginting and A. A. Permana, “Hybrid Classifier System: Support Vector Machines Dikombinasikan dengan K-Nearest Neighbors untuk Menentukan Kelayakan Nasabah Bank dalam Pengajuan Kredit,” Komputika J. Sist. Komput., vol. 7, no. 1, pp. 9–16, 2018, doi: 10.34010/komputika.v7i1.1402.

I. Roman, R. Santana, A. Mendiburu, and J. A. Lozano, “In-depth analysis of SVM kernel learning and its components,” Neural Comput. Appl., vol. 33, no. 12, pp. 6575–6594, 2021, doi: 10.1007/s00521-020-05419-z.

Y. Yahya and M. Hamonangan Nasution, “Penggunaan Algoritma Support Vector Machine (SVM) Untuk Penentuan Kelayakan Pemberian Kredit Koperasi Serba Usaha ‘Daruzzakah Zakah’ Desa Rensing Kecamatan Sakra Lombok Timur Nusa Tenggara Barat,” Infotek J. Inform. dan Teknol., vol. 3, no. 1, pp. 32–41, Feb. 2020, doi: 10.29408/jit.v3i1.1814.

A. Sopian, A. Wiyatno, and A. Riyandi, “Komparasi Algoritma Support Vector Machines dengan Algoritma Artificial Neural Network untuk Memprediksi Nilai Persetujuan Kredit Modal Kerja yang Diberikan Bank Umum,” J. Teknol. Inform. dan Komput., vol. 5, no. 1, pp. 88–95, 2019, doi: 10.37012/jtik.v5i1.224.

D. Lusiyanti and N. Nacong, “Sistem Sederhana Untuk Memprediksi Risiko Pemberian Kredit,” J. Ilm. Mat. Dan Terap., vol. 15, no. 2, pp. 248–255, 2018, doi: 10.22487/2540766x.2018.v15.i2.11360.

T. Zhang and B. Li, “Loan Prediction Model Based on AdaBoost and PSO-SVM,” Adv. Intell. Syst. Res., vol. 147, no. Ncce 2018, pp. 733–739, 2018, doi: 10.2991/ncce-18.2018.120.

O. Dm and M. Mm, “Comparison of Accuracy of Support Vector Machine Model and Logistic Regression Model in Predicting Individual Loan Defaults,” Am. J. Appl. Math. Stat., vol. 6, no. 6, pp. 266–271, 2018, doi: 10.12691/ajams-6-6-8.

D. Puspitasari, S. S. Al Khautsar, and W. P. Mustika, “Algoritma Naïve Bayes Untuk Memprediksi Kredit Macet Pada Koperasi Simpan Pinjam,” J. Inform. Upgris, vol. 4, no. 2, 2019, doi: 10.26877/jiu.v4i2.2919.

C. P. Lubis, R. Rosnelly, Roslina, Z. Situmorang, and Wanayumini, “Penerapan Metode Naïve Bayes Dan C4.5 Pada Penerimaan Pegawai Di Universitas Potensi Utama,” CSRID J., vol. 12, no. 1, pp. 51–63, 2020, [Online]. Available: https://www.doi.org/10.22303/csrid.12.1.2020.51-63.

S. L. B. Ginting, J. Adler, Y. R. Ginting, and A. H. Kurniadi, “The Development of Bank Application for Debtors Selection by Using Naïve Bayes Classifier Technique,” IOP Conf. Ser. Mater. Sci. Eng., vol. 407, no. 1, 2018, doi: 10.1088/1757-899X/407/1/012177.

L. Indriyani and W. Susanto, “Analisis Penerapan Naïve Bayes Untuk Memprediksi Resiko Kredit Anggota Koperasi Keluarga Guru,” J. Inform., vol. 6, no. 2, pp. 262–270, 2019, doi: 10.31311/ji.v6i2.5724.

Y. C. Widiyono and S. M. Isa, “Utilization of data mining to predict non-performing loan,” Adv. Sci. Technol. Eng. Syst., vol. 5, no. 4, pp. 252–256, 2020, doi: 10.25046/aj050431.

M. Sadikin and F. Alfiandi, “Comparative Study of Classification Method on Customer Candidate Data to Predict its Potential Risk,” Int. J. Electr. Comput. Eng., vol. 8, no. 6, p. 4763, 2018, doi: 10.11591/ijece.v8i6.pp4763-4771.

I. T. A. Nur, N. Y. Setiawan, and F. A. Bachtiar, “Perbandingan Performa Metode Klasifikasi SVM, Neural Network, dan Naive Bayes untuk Mendeteksi Kualitas Pengajuan Kredit di Koperasi Simpan Pinjam,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, p. 444, 2019, doi: 10.25126/jtiik.2019641352.

N. Nurajijah and D. Riana, “Algoritma Naïve Bayes, Decision Tree, dan SVM untuk Klasifikasi Persetujuan Pembiayaan Nasabah Koperasi Syariah,” J. Teknol. dan Sist. Komput., vol. 7, no. 2, pp. 77–82, 2019, doi: 10.14710/jtsiskom.7.2.2019.77-82.

A. C. Sitepu, W. Wanayumini, and Z. Situmorang, “Analisis Kinerja Support Vector Machine dalam Mengidentifikasi Komentar Perundungan pada Jejaring Sosial,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 475, 2021, doi: 10.30865/mib.v5i2.2923.

M. Alida and M. Mustikasari, “Rupiah Exchange Prediction of US Dollar Using Linear, Polynomial, and Radial Basis Function Kernel in Support Vector Regression,” J. Online Inform., vol. 5, no. 1, pp. 53–60, 2020, doi: 10.15575/join.

M. Furqan, R. Kurniawan, and K. HP, “Evaluasi Performa Support Vector Machine Classifier Terhadap Penyakit Mental,” J. Sist. Inf. Bisnis, vol. 10, no. 2, pp. 203–210, 2020, doi: 10.21456/vol10iss2pp203-210.

I. S. Al-Mejibli, J. K. Alwan, and D. H. Abd, “The effect of gamma value on support vector machine performance with different kernels,” Int. J. Electr. Comput. Eng., vol. 10, no. 5, pp. 5497–5506, 2020, doi: 10.11591/IJECE.V10I5.PP5497-5506.

J. Kusuma, A. Jinan, M. Z. Lubis, and R. Rosnelly, “Komparasi Algoritma Support Vector Machine Dan Naive Bayes Pada Klasifikasi Ras Kucing,” J. Generic, vol. 14, no. 1, pp. 8–12, 2022, [Online]. Available: http://generic.ilkom.unsri.ac.id/index.php/generic/article/view/122.




DOI: https://doi.org/10.33330/jurteksi.v8i3.1483

Article Metrics

Abstract view : 414 times
PDF - 258 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.