Analisis Kelayakan Kredit Berbasis Algoritma K-Nearst Neighboar (Studi Kasus: Koperasi AKU)

Analisis Kelayakan Kredit Berbasis Algoritma K-Nearst Neighboar (Studi Kasus: Koperasi AKU)

Kredit macet merupakan sumber ancaman terbesar dalam menjalankan operasi
bisnis, dan mampu menyebabkan kesulitan keuangan pada masa mendatang,
dan telah tercatat 40% kredit macet pada sejumlah koperasi di Salatiga, 10
milyar kredit macet di Kabupaten Bantul, serta tumpukan kredit macet yang
rata-rata mencapai 10% menyebabkan peningkatan koperasi tidak aktif hingga
29%. Analisa kredit sangat dibutuhkan untuk menekan resiko terjadinya kredit
bermasalah. Salah satu cara untuk mengurangi resiko kredit bermasalah yaitu
mengunakan sebuah algoritma yang mampu mengklasifikasikan data kelayakan
pemberian kredit, salah satu algoritma yang telah sukses diterapkan oleh
beberapa peneliti yaitu algoritma K-Nearest Neighbor hal ini disebabkan karena
algoritma ini cocok digunakan untuk dataset yang berukuran tidak terlalu besar
seperti pada dataset penelitian ini yang hanya terdapat 276 data yang dibagi
kedalam 2 kategori 94 macet 182 lancar. Dari dataset yang di uji hasil yang
didapatkan akurasi tertinggi sebesar 79,45% pada nilai K=1, dengan rata-rata
akurasi 73,696%, dan nilai AUC tertinggi didapat pada K=9 dengan nilai
sebesar 0,811, dengan nilai akurasi tersebut algoritma K-NN memiliki kinerja
cukup baik dalam proses klasifikasi data kelayakan pemberian kredit.

Rusda Wajhillah, Irsyad Hafizh Ubaidallah, Saeful Bahri

Perpustakaan Horizon Karawang

2019

Fajar bagus W

PDF

Indonesia

Text