Implementasi K-Nearest Neighbor dengan Pemilihan Fitur pada Aplikasi Prediksi Kelayakan Pengajuan Pinjaman

Abstract

Dalam kehidupan manusia tidak lepas dari yang dinamakan pemenuhan kebutuhan sehari-hari. Baik itu kebutuhan primer ataupun sekunder. Dalam pemenuhan kebutuhan tersebut pasti dibutuhkan dengan alat transaksi yang disebut dengan uang. Uang dapat didapatkan oleh manusia dari berbagai macam cara, mulai dari bekerja sebagai pencaharian utama atau primer hingga melakukan peminjaman uang sebagai pendapatan penunjang seorang manusia selain bekerja. Pada umumnya proses seleksi pemberian pinjaman, pihak kreditur akan melakukan proses seleksi dengan metode analisis kredit atau bisa disebut dengan prinsip 5C. Namun seiring dengan majunya komputerisasi proses tersebut bisa diprediksi dengan menggunakan salah satu metode dalam data mining. Metode tersebut adalah K-Nearest Neighbor dengan seleksi fitur menggunakan korelasi Pearson. Fitur dengan peringkat tiga teratas dengan hasil korelasi paling tinggi yang akan digunakan untuk proses prediksi.  Penelitian ini bertujuan untuk membantu kreditur dalam memprediksi kelayakan pengajuan pinjaman seorang debitur. Selama uji coba dengan memakai fitur yang telah terseleksi dan nilai K sebesar 3. Pencatatan dilakukan saat hasil kinerja terendah hingga tertinggi algoritma K-NN.  Kinerja terendah terjadi pada saat rasio perbandingan 5% data uji dan 95% data latih. Hal tersebut diindikasikan dengan hasil pengukuran MAE sebesar 0,26315789, Precission sebesar 76,92 , Recall sebesar 83,3 dan Accuracy sebesar 73,68%. Kemudian kinerja tertinggi terjadi pada saat rasio perbandingan 20% data uji dan 80% data latih. Hal tersebut diindikasikan dengan hasil pengukuran MAE sebesar 0, Precission sebesar 100 , Recall sebesar 100 dan Accuracy sebesar 100%.