Author (Penulis)

Yulina Brasillia
Universitas Nusantara PGRI Kediri

Author Identity (NPM)

13.1.03.02.0212

Abstract

ABSTRAK Penelitian ini dilatar belakangi dari hasil pengamatan peneliti bahwa dalam kegiatan perkreditan sering terjadi masalah kredit macet atau kredit bermasalah yang disebabkan oleh gagalnya pelunasan pinjaman yang diberikan kepada para debitur. Hal ini terjadi karena kesalahan dalam mengambil keputusan penerimaan pemohon kredit menjadi debitur perusahaan pada tahap evaluasi kredit. Selain itu, belum adanya sistem yang menangani masalah ini, calon debitur yang akan mengajukan kredit diterima berdasarkan pemberian skor kredit yang dilakukan secara manual sehingga menyebabkan kurang akuratnya hasil dari pemberian skor. Permasalahan dalam penelitian ini adalah (1) Bagaimana merancang dan menerapkan metode K-Nearest Neighbor untuk klasifikasi kelayakan kredit kendaraan bermotor pada CS Finance? (2) Berapa presentase akurasi yang di dapat dari metode K-Nearest Neighbor untuk klasifikasi kelayakan kredit kendaraan bermotor pada CS Finance? Penelitian ini menggunakan metode pengklasifikasian yaitu algoritma K-Nearest Neighbor untuk klasifikasi kelayakan kredit kendaraan bermotor yang nantinya data debitur akan diklasifikasikan menjadi dua kelas yaitu debitur dengan status lancar yang berarti layak menerima kredit dan debitur dengan status macet yang artinya tidak layak menerima kredit. Kesimpulan dari penelitian ini adalah (1) Telah dihasilkan sebuah sistem klasifikasi kelayakan kredit kendaraan bermotor dengan menggunakan metode K-Nearest Neighbor. (2) Penelitian ini dilakukan dengan mengimplementasikan algoritma K-Nearest Neighbor pada data calon debitur penerima kredit kendaraan bermotor. Hasil dari klasifikasi yaitu calon debitur dengan status lancar yang berarti layak menerima kredit dan calon debitur dengan status macet yang berarti tidak layak menerima kredit. (3) Pengujian hasil klasifikasi menunjukan bahwa aplikasi klasifikasi kelayakan kredit kendaraan bermotor yang dibuat dengan menggunakan algoritma K-Nearest Neighbor menghasilkan persentase tingkat akurasi sebesar 86,8 %. Berdasarkan kesimpulan hasil penelitian ini, direkomendasikan tujuan pokok pengguna sistem pengklasifikasian ini adalah untuk mengklasifikasikan calon debitur dengan aplikasi klasifikasi kelayakan kredit kendaraan bermotor. KATA KUNCI : Kredit, Motor, Classification, K-Nearst Neighbor.

Keyword

a

Reference

PUBLISHED

2017-08-15

JOURNAL

Simki-Techsain

ISSN

2599-3011

ISSUE

Vol. 01 No. 08 Tahun 2017

Download PDF

Download PDF Kembali Home