IMPLEMENTASI K-NEAREST NEIGHBOR (K-NN) UNTUK PREDIKSI PENERIMA PINJAMAN (Study Kasus: KSP. Sukri Jaya Mandiri)

Abstract

KSP. Sukri Jaya Mandiri Lampung Tengah merupakan salah satu lembaga keuangan koperasi simpan pinjam yang sukses menarik banyak nasabah menjadi anggota tiap tahunnya, terbukti dengan meningkatnya jumlah anggota baru tiap tahun. masalah yang sering terjadi yaitu pola perilaku atau karakteristik nasabah yang kurang baik. Pada Ksp. Sukri Jaya Mandiri Lampung Tengah pengklasifikasian layak atau tidaknya nasabah yang mendapat pinjaman belum akurat atau belum tepat. Untuk pengklasifikasiannya masih menggunakan manual yang belum teruji dengan metode dan menggunakan Microsoft excel yang belum teruji ke dalam sistem pemrograman seperti Rapidminer. Pada penelitian ini digunakan metode pengumpulan data studi pustaka, dan wawancara. Data nasabah yang digunakan yaitu data dalam waktu 3 tahun terakhir dengan jumlah nasabah sebanyak 200 data. Digunakan beberapa atribut diantaranya Nama, Umur, Pekerjaan, Gaji, Jenis Tinggal, Kondisi Rumah, Status Pernikahan, Jumlah Tanggungan, Jenis Pinjaman, Jaminan, status keanggotaan, dan Pinjaman Lain. Prediksi data mining menggunakan algoritma K-Nearest Neighbor (K-NN) telah berhasil diimplementasikan dengan bantuan perangkat lunak RapidMiner. Dalam eksperimen ini, parameter nilai k yang menghasilkan tingkat akurasi terbaik adalah k=5, dengan tingkat akurasi mencapai 82,50%. Berdasarkan hasil analisis, diperoleh suatu pola yang memungkinkan klasifikasi nasabah baru ke dalam kategori layak atau tidak layak dengan tingkat kepercayaan yang tinggi. Pola ini diharapkan dapat membantu pengambilan keputusan yang lebih efektif dalam pengelolaan nasabah.