Rancang bangun aplikasi berbasis website klasifikasi nasabah pembiayaan bermasalah di PT BPRS Lantabur TebuIreng menggunakan naive bayes classifier

Putra, Rizky Ferdiansyah (2022) Rancang bangun aplikasi berbasis website klasifikasi nasabah pembiayaan bermasalah di PT BPRS Lantabur TebuIreng menggunakan naive bayes classifier. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611810000050-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Indikator Non-Performing Financing (NPF) PT BPRS Lantabur Tebuireng pada kuartal 1 sampai 3 tahun 2021 berturut-turut sebesar 9,69%; 9,97%; dan 9,46%. Pergerakan NPF tersebut cenderung sedikit membaik dari waktu ke waktu, namun masih melebihi batas maksimal yang ditetapkan dalam Peraturan Bank Indonesia Nomor 23/2/PBI/2021, yaitu tidak lebih dari 5%. Hal tersebut menunjukkan bahwa PT Bank Pembiayaan Rakyat Syariah (BPRS) Lantabur Tebuireng memiliki performa pembiayaan yang dapat dikatakan kurang baik. Langkah preventif yang dapat dilakukan untuk menekan rasio NPF guna meningkatkan kesehatan bank adalah dengan melakukan klasifikasi calon nasabah pembiayaan. Oleh karena itu, pada penelitian ini dibuat suatu sistem pengambilan keputusan yang praktis berbasis aplikasi web (R Shiny) sebagai alat untuk memprediksi apakah calon nasabah mengalami pembiayaan bermasalah atau tidak dengan menggunakan metode Naive Bayes Classifier (NBC). Hasil penelitian ini menunjukkan bahwa nasabah yang lebih banyak mengalami masalah adalah nasabah dengan tujuan penggunaan modal kerja, jangka waktu yang semakin panjang, status kawin lajang, pendidikan terakhir SD, jenis pembiayaan mudharabah dan qard, serta jenis jaminan kendaraan roda 2 (kuasa jual). Model prediksi NBC terbaik diperoleh dengan menggunakan sembilan variabel prediktor, yaitu nominal pembiayaan, jenis penggunaan, jenis kelamin, status kawin, pendidikan terakhir, jenis pembiayaan, jenis jaminan, pekerjaan, dan usia, dengan hasil kebaikan model berupa akurasi sebesar 84,56%, sensitivitas sebesar 60,18%, dan spesifisitas sebesar 90,21%. Aplikasi klasifikasi nasabah pembiayaan memiliki beberapa fitur, yaitu “dashboard” untuk melihat karakteristik nasabah, “data” untuk melihat data nasabah dalam bentuk tabulasi, dan menu “prediksi” untuk melakukan prediksi terhadap calon nasabah pembiayaan.
=================================================================================================================================
The Non-Performing Financing (NPF) indicator of PT BPRS Lantabur Tebuireng in the 1st to 3rd quarters of 2021 was 9.69%, 9.97%, and 9.46%, respectively. The NPF movement tends to improve slightly over time but still exceeds the maximum limit stipulated in Bank Indonesia Regulation Number 23/2/PBI/2021, which is no more than 5%. This indicates that the financing performance of PT Bank Pembiayaan Rakyat Syariah (BPRS) Lantabur Tebuireng can be considered poor. A preventive measure that can be taken to reduce the NPF ratio in order to improve the bank's financial health is to classify prospective financing customers. Therefore, this study developed a practical decision-making system based on a web application (R Shiny) as a tool to predict whether prospective customers will experience problematic financing or not using the Naive Bayes Classifier (NBC). The results of this study indicate that customers who are more likely to experience financing problems are those whose purpose of financing is working capital, with longer financing periods, single marital status, elementary school as their highest level of education, mudharabah and qard financing types, and two-wheeled vehicle guarantees (power of attorney to sell). The best NBC prediction model was obtained using nine predictor variables, namely financing amount, type of use, gender, marital status, highest level of education, type of financing, type of guarantee, occupation, and age, with model performance results of 84.56% accuracy, 60.18% sensitivity, and 90.21% specificity. The financing customer classification application has several features, namely a “dashboard” for viewing customer characteristics, “data” for viewing customer data in tabulated form, and a “prediction” menu for making predictions for prospective financing customers.

Item Type:	Thesis (Other)
Additional Information:	004.6 Put r-1
Uncontrolled Keywords:	Aplikasi R Shiny, Bank Pembiayaan Rakyat Syariah, Klasifikasi, Naive Bayes Classifier, Pembiayaan Bermasalah, PT BPRS Lantabur Tebuireng, Classification, Naive Bayes Classifier, Non Performing Financing, PT BPRS Lantabur Tebuireng, R Shiny Application, Sharia People's Financing Bank.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.88815 Semantic Web
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	magang .
Date Deposited:	06 Oct 2026 01:31
Last Modified:	06 Oct 2026 01:31
URI:	http://repository.its.ac.id/id/eprint/145282

Actions (login required)

View Item