Perbandingan Algoritma KNN (K-Nearest Neighbors), Naïve Bayes, Dan SVM (Support Vector Machine) Untuk Klasifikasi Pemberian Pinjaman Nasabah

Abstract

Jurnal ini meneliti penggunaan algoritma klasifikasi seperti KNearest Neighbors (KNN), Naïve Bayes,dan Support Vector Machines (SVM) dalam pemberian pinjaman kepada nasabah. Metode inidigunakan untuk meningkatkan keandalan dan akurasi sistem evaluasi risiko kredit. Metodologieksperimen melibatkan dataset yang mengandung variabel yang berkaitan dengan sejarah kredit,pendapatan, dan faktor risiko lainnya. Hasil penelitian menunjukkan bahwa algoritma KNN mencapaitingkat akurasi yang signifikan dalam mengidentifikasi profil risiko nasabah. Di sisi lain, Naive Bayesberhasil menangani data dengan ketergantungan antar variabel, dan SVM memberikan hasil yangkonsisten dalam menangani dataset yang kompleks.Penelitian ini mengeksplorasi manfaat dan kekurangan masing-masing algoritma untuk membantumembangun sistem pengambilan keputusan yang lebih baik untuk pemberian pinjaman nasabah.Kata kunci : KNN, Naïve Bayes, SVM, Pinjaman Nasabah.