Implementasi data Minang Untuk Memprediksi Potensi kredit Nasabah di KSP Nasari Bandung

Koperasi Simpan Pinjam NASARI Bandung merupakan koperasi yang bergerak di bidang simpan dan pinjam yang dikhususkan untuk pensiunan Pegawai Negeri Sipil (PNS). Bagian dana harus dapat mengambil keputusan yang tepat dalam melakukan strategi pemasaran. Salah satunya dengan menentukan target pemasaran. Metode yang digunakan saat ini adalah bagian dana setiap bulannya mengklasifikasikan semua nasabah yang sudah selesai melakukan pinjamannya bulan lalu ke dalam target pemasaran, padahal belum tentu semua nasabah tersebut melakukan pinjaman kembali. Sehingga dirasa strategi pemasaran tidak tepat sasaran dan menjadi factor pendorong tingginya biaya operasional marketing. Permasalahan diatas muncul karena bagian dana belum mengetahui pola nasabah yang melakukan pinjaman kembali.Untuk dapat mengenali pola nasabah yang melakukan pinjaman kembali perlu dilakukan penelitian lebih lanjut untuk mengekstraksi pola dari data yang ada untuk membantu proses pengambilan keputusan dalam menentukan target pemasaran, salah satunya yaitu dengan membangun aplikasi data mining untuk melakukan peramalan atau prediksi potensi kredit nasabah dengan teknik klasifikasi data mining menggunakan metode naïve bayes.Dengan membangun aplikasi data mining ini dapat membantu bagian dana dalam hal menganalisa pola nasabah yang berpotensi melakukan kredit pinjaman kembali.

Credit Unions Nasari Bandung is a cooperative engaged in the savings and loan that is devoted retired civil servants (PNS). marketer should be able to take the right decision in conducting marketing strategy. One of them by specifying the target marketing. the method used today is marketer each month classify all customers who have completed the loan last month into marketing targets, whereas not necessarily all such customers want to borrow again. So that marketing strategies not on target and become a factor driving the high cost of marketing operations. Above problems arise because parts do not yet know the pattern of customer funds that make loans again.To be able to recognize patterns of customers who make loans back, Further research needs to be done to extract patterns from existing data to aid the decision making process in determining the target marketing, one of them with make data mining application for forecasting or prediction of potential costumer's credit with data mining classification technique using naïve Bayes method.With building a data mining application can help marketer in terms of analyzing the pattern of potential customers who will borrow credit loan back.