Penerapan Algoritma K-Nearest Neighbors dalam Evaluasi Kelayakan Kredit: Studi Kasus pada Bank ABC
The Application of K-Nearest Neighbors Algorithm in Creditworthiness Evaluation: A Case Study on Bank ABC
DOI:
https://doi.org/10.57152/ijirse.v4i1.1343Keywords:
K-Nearest Neighbors, evaluasi, kelayakan kredit, sektor perbankan, Confusion matrixAbstract
Dalam era digital yang terus berkembang, teknologi telah menjadi tulang punggung bagi banyak sektor, termasuk sektor perbankan. Salah satu tantangan utama yang dihadapi oleh sektor perbankan adalah evaluasi kelayakan kredit. Evaluasi ini merupakan proses penting yang menentukan apakah seorang nasabah layak menerima kredit atau tidak. Salah satu metode yang dapat digunakan untuk membantu proses ini adalah algoritma K-Nearest Neighbors (KNN). Artikel ini membahas penerapan algoritma K-Nearest Neighbors dalam evaluasi kelayakan kredit, dengan studi kasus pada Bank ABC. Studi ini bertujuan untuk menjelajahi penerapan algoritma KNN dalam evaluasi kelayakan kredit, dengan fokus pada penggunaan teknologi untuk meningkatkan proses evaluasi kredit. Dengan memahami tantangan yang dihadapi oleh sektor perbankan dan potensi solusi teknologi seperti algoritma KNN, penelitian ini diharapkan dapat memberikan wawasan berharga bagi praktisi industri perbankan dan para peneliti di bidang data science. Dari hasil pengujian dengan variasi nilai K, didapatkan bahwa model memiliki akurasi sekitar 93,33% - 95,00%. terdapat sedikit perbedaan dalam akurasi antara nilai K yang berbeda, namun secara umum model KNN menunjukkan kinerja yang baik dalam mengklasifikasikan nasabah berdasarkan kelayakan kredit
References
References
S. Harlina, Suryani and M. O. Kadang, "Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Kelayakan Calon Nasabah Kredit Berbasis Web," Prosiding Sintaks, pp. 1-10, 2020.
T. T. Muryono and Irwansyah, "Implementasi Data Mining untuk Menentukan Kelayakan Pemberian Kredit dengan Menggunakan Algoritma K-Nearest Neighbors (K-NN)," Journal of Technology Information, pp. 1-10, 2020.
A. Tripathy, A. Agrawal and S. K. Rath, "Classification of Sentimental Reviews Using Machine Learning Techniques," Procedia Computer Science, pp. 821-829, 2015.
M. W. Ohsaki, K. K. Matsuda, H. Watanabe and A. Ralescu, "Confussion Matrix Based Kernel Logistic Regression for Imbalanced Data Classification," IEEE Transaction on Knowledge and Data Engineering, pp. 1806-1819, 2017.
T. Wahyono and A.D. Cahyono, "Berbasis Komputasional untuk Meningkatkan Kemampuan," Jurnal Komputer, pp. 11-18, 2015.
P. Sri Astuti, M. N. Hayati and R. Goejantoro, "ANALISIS CREDIT SCORING TERHADAP STATUS PEMBAYARAN BARANG ELEKTRONIK DAN FURNITURE MENGGUNAKAN BOOTSTRAP AGGREGATING K-NEAREST NEIGHBOR," BAREKENG JURNAL ILMU MATEMATIKA DAN TERAPAN, 2021.
Ida, S. H. Baharuddin, M. Faisal, N. Ramadhan and Darniati, "IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR TERHADAP PENENTUAN RISIKO KREDIT USAHA MIKRO KECIL DAN MENENGAH," Jurnal Indonesia : Manajemen Informatika dan Komunikasi, 2023.
M. Goldstein, "Kn -nearest Neighbor Classification," IEEE Transactions on Information Theory, 1972.
E. A. P. A. B. Gustavo and D. F. Silva, "How k-nearest neighbor parameters affect its performance," 2009.
M. Faisal, W. S. Utami and S. Parmica, "Implementasi Algoritma K-Nearest Neighbor (KNN)," Journal Sensi, pp. 11-23, 2023.
J. Nasir, R. Saputra, G. Efendi, A. Zahmi and Y. L. Setiawan, "K-Nearest Neighbor untuk Frasa Guna Mendukung Keputusan," Jurnal Ilmu Komputer Agri-Informatika, pp. 19-22, 2022.
R. Wajhillah, I. H. Ubaidallah and S. Bahri, "Analisis Kelayakan Kredit Berbasis Algoritma K-Nearst Neighboar (Studi Kasus:," Jurnal Nasional Informatika dan, pp. 121-125, 2019.
I. Jaya, A. Hizriadi and E. S. Purba, "Klasifikasi Surat Laporan Kehilangan Kepolisian Menggunakan Algoritma K-Nearest Neighbor," TECHSI, pp. 120-128, 2018.
M. K. M. &. M. N. S. T. Arhami, Data Mining-Algoritma dan Implementasi, Penerbit Andi, 2020.
M. F. Amin, "Confusion Matrix in Binary Classification Problems: A Step-by-Step Tutorial," Journal of Engineering Research, 2022.
