Klasifikasi Kelayakan Peminjaman Nasabah Menggunakan Algoritma K-Nearest Neighbor (K-NN): Classification of Customer Loan Eligibility Using The K-Nearest Neighbor (K-NN) Algorithm

Abstrak

Penelitian ini dilakukan untuk mengatasi tantangan dalam penilaian kelayakan nasabah di PT. BPRS Amanah Insan Cita, sebuah lembaga keuangan syariah. Untuk mengatasi masalah ini dalam proses filter nasabah, Algoritma K-Nearest Neighbor (K-NN) digunakan untuk klasfikasi dan prediksi yang merupakan salah satu teknik data mining yang efektif dalam klasifikasi data, yang bertujuan untuk mengembangkan model klasifikasi kelayakan peminjaman nasabah dengan menggunakan Data yang digunakan dalam penelitian ini mencakup 150 nasabah dengan delapan atribut utama, seperti jenis kelamin, profesi, pendapatan bulanan, total hutang, jumlah tanggungan, status pernikahan, dan nilai aset. Hasil penelitian menunjukkan tingkat akurasi dan kehandalan model klasifikasi K-NN dalam memprediksi resiko peminjaman nasabah pada PT. BPRS Amanah Insan Cita yang telah dilakukan menggunakan tools RapidMiner nilai akurasi dari sistem pada klasifikasi ketepatan penggunaan metode K-NN pada kelayakan peminjaman nasabah di lembaga keuangan berbasis syariah, khususnya PT. BPRS Amanah Insan Cita accuracy sebesar 0,9 (90%), precision untuk kelas layak sebesar 0,92 (92%) recall untuk kelas layak 0,92 (92%) dan f1 score untuk kelas layak 1,05 (105%) Sedangkan untuk kelas tidak layak nilai precision sebesar 0,80 (80%) nilai recall sebesar 0,80 (80%), dan nilai f1 score sebesar 0,80 (80%).