PENGGUNAAN K-NEAREST NEIGHBORS ALGORITHM DALAM MENGIDENTIFIKASI KELAYAKAN PINJAMAN NASABAH
Keywords:
klasifikasi, kelayakan pinjaman, k-nearest neighbors, data train, data testingAbstract
Pinjaman atau kredit adalah kesepakatan antara nasabah dan kreditur atau perusahaan pemberi pinjaman. Kelayakan pinjaman seorang nasabah perlu diperhitungkan oleh perusahaan untuk mengetahui apakah seorang nasabah layak mendapatkan pinjaman yang telah diajukan guna mencegah adanya kerugian pada masa depan. Tujuan dari penelitian ini adalah untuk mengetahui proses penggunaan K-Nearest Neighbors, intepretasi nilai K-Nearest Neighbors dan evaluasi model K-Nearest Neighbors pada data klasifikasi kelayakan pinjaman nasabah. Data yang digunakan berupa data sekunder yang diambil dari Kaggle berjumlah 465 data yang memiliki 11 variabel bebas dan 1 variabel target. Metode penelitian yang digunakan adalah metode analisis klasifikasi K-Nearest Neighbors (KNN). Pembagian data train dan testing serta nilai k diperhitungkan untuk mengetahui mana yang menghasilkan nilai evaluasi terbaik. Hasil penelitian menunjukkan bahwa pembagian 90% data train dan 10% data testing dengan nilai k = 10 merupakan model yang terbaik. Model tersebut menghasilkan evaluasi performa model berupa precision sebesar 93.933%, recall sebesar 77.5%, F1-score sebesar 83.93% dan nilai akurasi sebesar 76.09%. Berdasarkan evaluasi tersebut K-Nearest Neighbors (KNN) dapat digunakan untuk mengklasifikasikan kelayakan pinjaman nasabah.
Downloads
Published
Conference Proceedings Volume
Section
Categories
License
Copyright (c) 2025 Prosiding Seminar Nasional Sains dan Teknologi "SainTek"

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.