Analisis Kelayakan Kredit Berbasis Algoritma K-Nearest Neighbor (Studio Kasus: Koperasi AKU)

Abstract

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.