Prediksi Persetujuan Peminjaman Modal Menggunakan Metode K-Nearest Neighbor

Abstract

Peminjaman Modal atau kredit merupakan aset utama bank dan sumber pendapatan dominan, namun sering terjadi kredit macet ketika nasabah tidak memenuhi kewajiban. Banyak bank belum optimal dalam menganalisis risiko calon peminjam, menyebabkan kredit macet terus terjadi. Untuk mengatasi hal ini, diperlukan proses analisis yang lebih baik agar risiko ini tidak terulang dan tidak merugikan bank. Penelitian ini menggunakan metode K-Nearest Neighbor (K-NN) untuk memprediksi status pinjaman, apakah disetujui atau ditolak. Metode KNN dipilih karena merupakan algoritma sederhana namun efektif untuk klasifikasi berdasarkan kedekatan data. Dalam konteks peminjaman, analisis dilakukan pada data calon peminjam dengan berbagai variabel seperti jumlah tanggungan, pendidikan, pekerjaan, pendapatan, dan nilai aset. Data ini kemudian digunakan untuk menentukan apakah peminjaman disetujui atau ditolak. Hasil penelitian menunjukkan bahwa KNN dapat secara akurat memprediksi status peminjaman berdasarkan data historis. Hasilnya, KNN mampu memprediksi status pinjaman dengan akurasi hingga 94,67% pada nilai k = 3, sehingga membantu bank mengurangi risiko dan meningkatkan efisiensi persetujuan pinjaman.